基于时间的自监督学习用于无线胶囊内镜
计算机视觉与模式识别
2022-05-27 v1
摘要
最先进的机器学习模型，尤其是深度学习模型，对数据极度渴求；它们需要大量人工标注样本才能正常工作。然而，在大多数医学影像领域，获取此类数据颇具挑战。不仅数据量是问题，其类别内部的不平衡也是问题；健康患者的图像通常远多于患病者。计算机辅助诊断系统受这些问题影响，通常过度设计模型以追求准确性能。本工作提出对无线内镜视频使用自监督学习，引入一种起初不需要标签或适当平衡的定制方法。我们证明，利用我们的方法从时间轴推断出的固有结构，即使在严重不平衡下，也能提升若干领域特定应用中的检测率。
引用
@article{arxiv.2204.09773,
title = {Time-based Self-supervised Learning for Wireless Capsule Endoscopy},
author = {Guillem Pascual and Pablo Laiz and Albert García and Hagen Wenzek and Jordi Vitrià and Santi Seguí},
journal= {arXiv preprint arXiv:2204.09773},
year = {2022}
}