May, 2024
领域偏移的教科书解决方案：医学图像分析的知识先验
A Textbook Remedy for Domain Shifts: Knowledge Priors for Medical Image Analysis
Yue Yang, Mona Gandhi, Yufei Wang, Yifan Wu, Michael S. Yao...
TL;DR医学图像数据中，现有深度网络模型对于不同医院采样的数据或受性别、种族等人口统计变量影响的数据领域转移问题的鲁棒性不足。本研究提出了一种基于医学知识先验的知识增强瓶颈模型（KnoBo），通过检索增强语言模型，设计适当的概念空间，并采用自动训练过程来识别概念，以提高医学模型对领域转移的适应能力。在广泛的 20 个数据集上评估了不同知识资源和识别架构，在混淆数据集上，KnoBo 的性能平均超过精调模型 32.4%。最后，评估表明 PubMed 是使医学模型对领域转移的敏感性降低的有希望的资源，在信息多样性和最终预测性能上优于其他资源。