半监督肺结节检索

基于内容的图像检索为临床医生提供了视觉信息，这些信息可以支持并有望改善其决策过程。给定一个输入查询图像，基于内容的图像检索系统会输出一组图像，这些图像按与查询图像的相似度排序。检索到的图像可能附带相关信息，例如基于活检的恶性标记或分类。数据集元素间（例如结节间）相似性的真实标注不易获得，这给机器学习方法带来了巨大挑战。由于该任务的主观性，此类标注尤其难以获取，观察者间的高变异性需要多位专家标注者。因此，过去的方法侧重于手动特征提取，而当前的方法则使用辅助任务，例如二分类任务（如恶性分类），其真实值更容易获得。然而，在先前的研究中，我们已经表明，二分类辅助任务不如使用从数据标注中导出的粗略相似度估计。当前研究提出了一种半监督方法，包括两个步骤：1）对给定的部分标记数据集进行自动标注；2）基于预测的标注学习一个语义相似度度量空间。所提出的系统在 LIDC 数据集上进行了肺结节检索的验证，并表明从预测评分中学习嵌入是可行的。该半监督方法已证明其判别能力显著高于全无监督参考方法。