目前面临的主要挑战有:
- 缺少精确的标注数据。医学领域对标注的要求更高。
- 样本不平衡。正负样本往往数量差异较大。
- 预测结果置信度信息缺失。医学领域对模型可解释性的要求更高
最近在做医学图像分割的工作,对这几点有一些体会,标注数据的质量对分割结果有很大的影响,Garbage in, garbage out 用在此处也很合适。
未来方向:
- 处理小数据问题。一些有用的技术包括使用迁移学习、数据增广、GAN样本生成。
- 结合更多数据来源。医学领域往往不仅仅依靠图像来诊断,结合病历资料的多模态学习也值得关注。
- 关注其他领域的工作。关注能对医学图像分析带来启发的其他计算机视觉、机器学习领域的新工作。