深度学习在生物医学图像分类中使用自动标签与手动标签同样有效
原文中文,约300字,阅读约需1分钟。发表于: 。研究探讨在何种情况下可以采用自动标签来训练深度学习模型进行癌症组织切片图像分类,结果发现具有 10% 噪声标签的自动标签可以获得竞争性模型,而应用 Semantic Knowledge Extractor Tool (SKET) 算法生成的自动标签表现与手动标签相当,达到了与手动标签训练模型相当的稳定性能。
本研究探索了使用基于规则的标签机器人进行弱监督的深度学习标签预测模型的潜力,并提出了一种深度学习的 CheXpert 标签预测模型。结果表明,本方法的有效性显著优于基于规则的模型,并强调了即使在稀疏数据场景下,采用深度学习模型的好处和规则标记器作为弱监督工具的用处。