面向医学图像层次多标签分类的TLMCM网络
计算机视觉与模式识别
2023-11-14 v2
摘要
医学图像层次多标签分类（MI-HMC）在现代医疗中至关重要，面临数据不平衡与层次约束两项重大挑战。现有方案涉及复杂模型架构设计或领域特定预处理，需大量专业知识或实现代价。为克服这些局限，本文提出带最大约束模块的迁移学习（TLMCM）网络用于MI-HMC任务。TLMCM网络以新颖方式应对上述挑战，基于平均精度-召回曲线下面积（）指标优于现有方法。此外，本研究提出与两个新颖准确率指标，其在MI-HMC任务中尚未被充分探索。实验表明TLMCM网络对MI-HMC任务取得高多标签预测准确率（-），对医疗领域应用具重要价值。
引用
@article{arxiv.2311.00282,
title = {TLMCM Network for Medical Image Hierarchical Multi-Label Classification},
author = {Meng Wu and Siyan Luo and Qiyu Wu and Wenbin Ouyang},
journal= {arXiv preprint arXiv:2311.00282},
year = {2023}
}