90s解读AI | 约翰霍普金斯大学Alan Yuille团队: 从时序和高维数据中定位肿瘤的弱标注方法

创建大规模且标注完善的数据集来训练人工智能算法，对于肿瘤的自动检测和定位至关重要。然而由于资源有限，确定最佳的标签类型来标注大量数据是一项挑战。为了解决这一难题，约翰霍普金斯大学及苏黎世联邦理工学院的研究者们聚焦于结肠镜检查视频中的息肉和腹部CT扫描中的胰腺肿瘤。由于这些数据在时间和空间层面的高维性质，需要耗费大量精力和时间进行逐像素的标注。基于此，文章提出了一种名为拖放(Drag&Drop)的新标注策略，将标注过程简化为拖放操作。与其他弱标签(如逐像素、包围盒、线标签、椭圆和点)相比，这种策略更加高效，尤其是在时序和高维图像方面。此外，为了利用拖放标签，文章开发了一种基于分水岭算法的新型弱监督学习方法。实验结果表明，本文的方法在检测和定位性能上优于其他弱标签方法。更重要的是，其性能与基于逐像素标签训练的模型相当。值得注意的是，在资源有限的情况下，使用弱标签标注多样化的患者群体比仅对少量患者进行逐像素标注能提高模型对未知图像的鲁棒性。综上所述，本研究提出了一种用于肿瘤检测和定位的高效标注策略，虽然不及像素级标签精确，但对于在各种医疗模态数据中筛查肿瘤并创建大规模数据集具有重要意义。

全文导读

约翰霍普金斯大学Alan Yuille团队 | 从时序和高维数据中定位肿瘤的弱标注方法

全文下载：

Acquiring Weak Annotations for Tumor Localization in Temporal and Volumetric Data

Yu-Cheng Chou, Bowen Li, Deng-Ping Fan, Alan Yuille & Zongwei Zhou

https://link.springer.com/article/10.1007/s11633-023-1380-5

https://www.mi-research.net/en/article/doi/10.1007/s11633-023-1380-5

∨

关于Machine Intelligence Research

Machine Intelligence Research（简称MIR，原刊名International Journal of Automation and Computing）由中国科学院自动化研究所主办，于2022年正式出版。MIR立足国内、面向全球，着眼于服务国家战略需求，刊发机器智能领域最新原创研究性论文、综述、评论等，全面报道国际机器智能领域的基础理论和前沿创新研究成果，促进国际学术交流与学科发展，服务国家人工智能科技进步。期刊入选"中国科技期刊卓越行动计划"，已被ESCI、EI、Scopus、中国科技核心期刊、CSCD等20余家国际数据库收录，入选图像图形领域期刊分级目录-T2级知名期刊。2022年首个CiteScore分值在计算机科学、工程、数学三大领域的八个子方向排名均跻身Q1区，最佳排名挺进Top 4%，2023年CiteScore分值继续跻身Q1区。2024年获得首个影响因子(IF) 6.4，位列人工智能及自动化&控制系统两个领域JCR Q1区。