面向生物医学图像分析元学习的任务指纹识别
计算机视觉与模式识别
2021-07-09 v1
摘要
标注数据的匮乏是生物医学图像分析中最主要的瓶颈之一。元学习研究学习系统如何借助经验提高效率，因此可能发展为克服数据稀疏性的重要概念。然而，基于元学习的方法的核心能力是在给定新任务时识别相似的先前任务——这一挑战在生物医学成像领域很大程度上尚未被探索。本文中，我们以解决量化任务相似性的问题为出发点，提出一个我们称之为任务指纹识别的概念。该概念将给定任务（由成像数据及相应标签表示）转换为定长向量表示。在指纹空间中，不同任务可直接比较，而与其数据集大小、标签类型或特定分辨率无关。在外科数据科学（SDS）领域利用来自多个医学与非医学领域的 26 个分类任务进行的初步可行性研究表明，任务指纹识别可用于（1）选择适当的预训练数据集以及（2）为新任务选择合适的架构。因此，任务指纹识别可成为 SDS 及生物医学图像分析其他领域中元学习的重要工具。
引用
@article{arxiv.2107.03949,
title = {Task Fingerprinting for Meta Learning in Biomedical Image Analysis},
author = {Patrick Godau and Lena Maier-Hein},
journal= {arXiv preprint arXiv:2107.03949},
year = {2021}
}
备注
Medical Image Computing and Computer Assisted Interventions (MICCAI) 2021