基于修正标签分布的乳腺超声图像分类

作     者：曹占涛 杨国武 陈琴 吴尽昭 李晓瑜 CAO Zhan-tao;YANG Guo-wu;CHEN Qin;WU Jin-zhao;LI Xiao-yu

作者机构：电子科技大学计算机科学与工程学院成都611731 电子科技大学医学院成都610072 广西民族大学理学院南宁530006 电子科技大学信息与软件工程学院成都610054 

基　　金：国家自然科学基金(61572109,61772006) 广西“八桂学者”专项 

出 版 物：《电子科技大学学报》 (Journal of University of Electronic Science and Technology of China)

年 卷 期：2020年第49卷第4期

页      码：597-602页

摘      要：针对乳腺超声图像分类中的标签噪音问题,该文设计了一种协作标签修正网络(COLC-Net)。该方法基于乳腺超声BI-RADS评级噪音分布特点,为乳腺超声图像定义了软标签,并设计了双网络协作训练,以蒸馏优秀知识修正软标签。随着软标签准确性的增加,可以降低噪音标签负作用,并增强准确标签知识的学习。与现有最新方法进行比较,结果证实了该方法具有更好的效果。

主 题 词：乳腺超声图像 深度学习 噪音标签 弱监督学习 

学科分类：0808[工学-自动化类] 0809[工学-计算机类] 081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

核心收录：

D　O　I：10.12178/1001-0548.2020001

馆 藏 号：203962129...