随机标记融合用于多视角医学诊断
原文中文,约300字,阅读约需1分钟。发表于: 。本研究解决了多视角医学诊断中深度学习模型容易过拟合以及过于依赖视角特征的问题。提出的随机标记融合(RTF)方法通过在训练过程中将随机性引入特征融合,提升了诊断模型的鲁棒性和准确性。实验结果表明,RTF在标准的乳腺X光和胸部X光基准数据集上提高了现有融合方法的性能,推动了多视角医学基础模型的发展。
研究在ChestX-ray14数据集上使用多种模型进行实验,最佳单一模型CoAtNet的AUROC为84.2%。通过加权平均集成方法,将所有模型的预测组合,AUROC提高到85.4%,超过其他先进方法。结果表明,集成深度学习可以提高胸部X光图像诊断的准确性。