使用人在回路机器学习进行乳腺癌医学图像的分割、分类与解释
计算机视觉与模式识别
2024-04-01 v1 机器学习
摘要
本文探讨了在医疗领域训练机器学习模型中应用人在回路（HITL）策略。在这种情况下，提出了一种医生在回路方法，以利用人类专业知识处理大规模复杂数据。具体来说，本文涉及乳腺癌基因组数据与全切片图像（WSI）分析的整合。开发了三个不同的任务：组织病理学图像分割、关于癌症基因组亚型的图像分类，以及机器学习结果的解释。病理学家的参与帮助我们开发了更好的分割模型并增强了模型的解释能力，但分类结果不理想，凸显了这种方法的局限性：尽管有专家参与，复杂领域仍可能带来挑战，HITL方法并不总是有效。
引用
@article{arxiv.2403.20112,
title = {Segmentation, Classification and Interpretation of Breast Cancer Medical Images using Human-in-the-Loop Machine Learning},
author = {David Vázquez-Lema and Eduardo Mosqueira-Rey and Elena Hernández-Pereira and Carlos Fernández-Lozano and Fernando Seara-Romera and Jorge Pombo-Otero},
journal= {arXiv preprint arXiv:2403.20112},
year = {2024}
}