.png){kind=icon}
返回
Evaluating Transfer Learning and Multiple Instance Learning for Domain-Specific Endoscopic Video Classification
.png){kind=icon}
PRE
AI
DOI：10.1007/978-981-95-4100-3_21.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
炎症性肠病（IBD）通常通过内镜检查进行评估，但人工判读存在观察者间变异性和可扩展性有限的问题。深度学习模型为实现评估标准化提供了途径，但其有效性受限于任务特定数据的缺乏和基于视频评分的复杂性。从ImageNet等大型图像数据集中进行迁移学习常用于解决数据匮乏问题，但此类通用特征可能与医学图像不匹配。本文研究了在弱监督条件下，针对内镜视频分类的领域特定预训练的有效性。我们应用多重实例学习（MIL）框架，使用在ImageNet、通用医学图像或领域特定的GastroNet5M数据集上预训练的多种深度学习架构，从内镜视频中分类炎症状态。研究发现，在特定内镜数据上预训练的模型在内部和外部数据集上均一致优于通用模型，实现了更优的F1分数和AUC值。这些结果强调了领域对齐的特征表示和弱监督学习策略在医学视频分析中的重要性。
Keyword:
Endoscopy
Inflammatory Bowel Disease
Video Classification
Multiple Instance Learning
Transfer Learning
期刊
N
IF:
0
论文数:
27
被引数:
0
机构
引用论文
Data-efficient and weakly supervised computational pathology on whole-slide images全载玻片图像上的数据高效和弱监督计算病理学
OAAI
OAAI分享收藏Deep Convolutional Neural Networks for Computer-Aided Detection: CNN Architectures, Dataset Characteristics and Transfer Learning用于计算机辅助检测的深度卷积神经网络: CNN架构，数据集特征和迁移学习OAAI
OAAI分享收藏Inflammation Detection Using Ensemble Endoscopic Multimodal Assessment in Inflammatory Bowel Disease
PREAI
分享收藏Convolutional Neural Networks for Medical Image Analysis: Full Training or Fine Tuning?用于医学图像分析的卷积神经网络: 完全训练还是微调？OAAI
OAAI分享收藏Foundation models in gastrointestinal endoscopic AI: Impact of architecture, pre-training approach and data efficiency.png)
MEDICAL IMAGE ANALYSIS
OAAI
MEDICAL IMAGE ANALYSISIF11.8
OAAI分享收藏Grad-CAM: Visual Explanations from Deep Networks via Gradient-Based LocalizationGrad-cam: 通过基于梯度的定位从深度网络进行视觉解释OAAI
OAAI分享收藏
查看更多内容