基于双参数磁共振成像的强化学习前列腺癌弱监督本地化
原文中文，约300字，阅读约需1分钟。发表于：。基于弱监督的增强学习系统用于局部化。通过引入一种新的奖励定义，我们训练了一个控制器函数，以定位图像中感兴趣的区域，并利用预训练的二元分类器生成的非二进制分类概率。我们使用肿瘤病变局部化任务在临床前列腺多参数磁共振图像的大型数据集上评估了我们提出的方法。与常用的多实例学习弱监督局部化和完全监督基线相比，我们的方法优于多实例学习，并且仅使用图像级别的分类标签进行训练，与完全监督学习表现相当。
基于弱监督的增强学习系统用于局部化，通过引入新的奖励定义，训练控制器函数定位图像中感兴趣的区域，并利用预训练的二元分类器生成的非二进制分类概率。在临床前列腺多参数磁共振图像的大型数据集上评估，方法优于多实例学习和完全监督基线，仅使用图像级别的分类标签进行训练，与完全监督学习表现相当。
