BackMix：最小监督下减缓超速学习的超声心动图技术
原文中文，约500字，阅读约需1分钟。发表于：。神经网络可以学习到正确预测验证集的偶然相关性，但因为预测的原因错误而泛化能力较差。我们提出了一种简单但有效的称为 BackMix 的随机背景增强方法，该方法从其他训练集样本中随机选择背景。通过强制使背景与结果不相关，模型学习将重点放在超声扇区的数据上，并对其它区域保持不变性。我们在半监督学习环境中扩展了我们的方法，并发现 BackMix 的正面效果即使在只有 5%...
研究发现神经网络在预测验证集时存在偶然相关性，泛化能力差。提出了一种名为BackMix的随机背景增强方法，通过使背景与结果不相关，将模型学习重点放在超声扇区的数据上。在半监督学习环境中扩展了该方法，提出了损失加权机制wBackMix。在分布内和分布外数据集上验证了该方法的显著改进。
