超声心动图中基于加权专家的多地点递增学习

BriefGPT - AI 论文速递 · 2024-07-31T00:00:00Z

建立一个性能稳定的心脏超声成像视图分类器需要多样化的多地点数据，并定期更新以减小模型漂移。通过使用学习到的分布得分对贡献进行加权，可以减少不合格专家的影响。在六个数据集上验证了工作，证明了训练时间缩短和视图分类性能提高。