基于自反饋閾值學(xué)習(xí)的半監(jiān)督皮膚癌診斷模型

摘要： 為解決監(jiān)督學(xué)習(xí)皮膚癌診斷模型的訓(xùn)練需要大量數(shù)據(jù)標(biāo)注，且醫(yī)學(xué)專家標(biāo)注工作成本高、耗時(shí)長、易疲勞等問題，提出了一種基于自反饋閾值學(xué)習(xí)(Self-Feedback Threshold Learning, SFTL)的半監(jiān)督皮膚癌診斷方法.在標(biāo)注數(shù)據(jù)預(yù)訓(xùn)練的ResNet網(wǎng)絡(luò)基礎(chǔ)上，引入全局和局部類別間偽標(biāo)簽自反饋閾值學(xué)習(xí)機(jī)制動(dòng)態(tài)篩選ResNet預(yù)測概率大于自反饋閾值的無標(biāo)記樣本，引入無... （共8頁）