.png){kind=icon}
返回
Balanced sampling-driven multi-modal active learning framework for breast cancer segmentation
.png){kind=icon}
PRE
AI
DOI：10.1007/s00138-025-01775-9.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本研究提出了一种基于主动学习的有效样本标注框架，旨在提升标注质量，同时减少标注样本数量和标注时间。该框架整合了高价值样本的初步筛选，并结合利用代表性、多样性和不确定性指标的迭代选择机制。为进一步优化流程，开发了基于Segment Anything Model的自动化标注模块，该模型以其在各类成像模态上卓越且一致的性能而闻名。提出了新颖的样本选择初始化策略，整合多模态医学影像数据以有效识别包含关键病灶信息的高价值样本。实验结果表明，所提出的框架在仅需标注2.7%的乳腺癌影像样本并缩短标注时间的情况下，性能达到完全标注方法的97.6%。此外，随着标注样本数量的增加，所提出的方法在准确性和鲁棒性方面均持续优于传统技术。通过显著降低数据标注所需的劳动力、时间和资源，该框架为推动医学影像技术在临床实践中的应用提供了建设性方法。
Keyword:
Spectral detector computed tomography
Multi-modal active learning framework
Segment anything model (SAM)
Uncertainty-diversity tradeoff
期刊
M
IF:
2.3
论文数:
100
被引数:
2.7K
机构
引用论文
Segment anything model for medical image segmentation: Current applications and future directions用于医学图像分割的Segment任何模型: 当前应用和未来方向
OAAI
OAAI分享收藏BG-3DM2F: Bidirectional gated 3D multi-scale feature fusion for Alzheimer's disease diagnosisBG-3DM2F: 双向门控三维多尺度特征融合阿尔茨海默病诊断
PREAI
分享收藏MultiResUNet : Rethinking the U-Net architecture for multimodal biomedical image segmentationMultiusunnet: 重新思考多模态生物医学图像分割的u-net体系结构.png)
NEURAL NETWORKSOAAI
NEURAL NETWORKSIF6.3
OAAI分享收藏TransUNet: Rethinking the U-Net architecture design for medical image segmentation through the lens of transformersTransunnet: 通过变形金刚的镜头重新思考医学图像分割的u-net架构设计MEDICAL IMAGE ANALYSIS
OAAI
MEDICAL IMAGE ANALYSISIF11.8
OAAI分享收藏Computer-aided diagnosis (CAD) system based on multi-layer feature fusion network for skin lesion recognition in dermoscopy images基于多层特征融合网络的皮肤镜图像皮损识别计算机辅助诊断 (CAD) 系统
PREAI
分享收藏Silhouettes: A graphical aid to the interpretation and validation of cluster analysis剪影: 对聚类分析的解释和验证的图形辅助OAAI
OAAI分享收藏
查看更多内容