科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对大量数据标记工作的繁重性和单一影像中心磁共振数据的有限性问题，提出了一种利用多影像中心有标签与无标签磁共振数据的半监督学习方法（MRSSL），将其应用在膝盖异常分类任务中。首先运用了数据扩增方法来提供模型所需归纳偏置，接着融合了分类损失项和一致性损失项来约束人工神经网络从数据中提取出具有辨别力的特征，然后将这些特征用于磁共振膝盖异常分类。此外，也提出了对应的监督学习方法（MRSL），在给出同样的有标签样本时将MRSL与MRSSL进行了比较，实验结果表明MRSSL的模型分类性能与泛化性能明显优于MRSL。最后将MRSSL与其他半监督学习方法进行了比较，实验结果表明数据扩增在性能提升中起到了重要作用并且MRSSL凭借更强的磁共振数据包容性取得了最优的膝盖异常分类性能。
-
单位华东师范大学; 爱丁堡大学
