基于专家标注重新思考手术阶段识别的泛化性能

随着深度神经网络应用领域的扩展至需要专业知识的领域（例如医学与法律），需要更精细的用于专家知识训练的标注流程。特别是，在专家知识训练（即使专家之间对标注也可能存在意见分歧）的情况下，难以保证在临床领域的泛化性能。为提出 CNN 专业知识训练的标注生成流程问题，我们核查了腹腔镜胆囊切除术和胃癌次全胃切除术的手术阶段识别标注。我们通过分析先前标注标签的差异并讨论手术阶段的标准，为胆囊切除术的七个阶段生成了校准标注。由于胃癌胃切除术具有更复杂的二十一个手术阶段，我们通过五位专家的修订流程生成了共识标注。通过在相同交叉验证设置下，用修订后的标注训练基于 CNN 的手术阶段识别网络，我们相比用原始标注训练的模型取得了改进的泛化性能。我们表明，基于问题类型，深度神经网络的专家数据标注流程应更为严谨，以应用于临床领域。