BoostMIS: Boosting Medical Image Semi-supervised Learning with Adaptive Pseudo Labeling and Informative Active Annotation
-
[CVPR,2022]
-
简介:本文提出了一种新的半监督学习框架BoostMIS,第一次将Active learning (AL)集成到 semi-supervised learning(SSL)中,以释放未标记数据的潜力,更好地进行医学图像分析。
-
主要贡献:
(1)提出了自适应伪标记和信息主动注释,合理利用未标记的医学图像,形成闭环结构,提升医学图像SSL;
(2)收集了转移性硬膜外脊髓压迫(MESCC)数据集,用于方法开发和广泛评估,旨在优化MESCC诊断和分类,以改善专家转诊和治疗;
(3)在MESCC数据集上证明了所提出的BoostMIS的一致性优势,该数据集大大优于现有的SSL方法;