Apr, 2024
基于对比的深度嵌入对抗病理图像标签噪声鲁棒性分类
Contrastive-Based Deep Embeddings for Label Noise-Resilient
Histopathology Image Classification
TL;DR深度学习在医学图像分类方面取得了显著的进展，然而在组织病理学图像分类中，噪声标签表示了一个关键挑战，导致深度学习模型性能严重下降。本研究通过对多个数据集进行彻底的经验分析，展示了基于自监督对比训练方式训练的基础模型所提取出的嵌入向量对标签噪声具有较强的鲁棒性。与非对比学习方法以及常用的噪声鲁棒方法相比，使用这种嵌入向量训练能显著提高标签噪声鲁棒性，充分证明对比学习在有效降低标签噪声挑战方面的卓越性能。