(最近在找迁移学习在医学影像学中的应用,总结的一些文章,以便日后阅读,持续更新。。。)
基于核匹配追踪的医学影像学辅助诊断—姚瑶—2009
1. 该文章充分利用源域中具有和目标域同分布的有标签样本,将之迁移至目标域训练样本集中。这些具有标签的样本数量充足,在目标域无标签样本的测试分类中起到了关键的作用。这些样本中大部分样本与目标样本具有不同分布,如何在这些样本中寻找到和源样本同分布并将之迁移到目标样本中是我们需要解决的问题。基于迁移核匹配追踪的医学影像辅助诊断算法,首先采用核匹配追踪思想中贪婪逼近残余方法,在源域中目标训练样本将源域中同分布的样本寻找出来。如果训练样本和目标标签样本相匹配。则将其加入到训练目标域中。反之则不选择该样本。基于核匹配追踪的迁移学习算法采用贪婪逼近残余( GAR )将匹配样本选出加入到目标域中。
2. 乳腺X影像实验----识别乳腺癌
a) 样本集:将图像数据分为训练集和测试集两部分,其中训练集由 900 个样本组成,其中 300 个病例样本和600 个正常样本,测试集由 150 个样本组成,其中50 个病例样本和 100 个正常样本数据组成。针对基于核匹配追踪的迁移学习识别方法(TLKMP )设定测试集 150 个样本作为目标域中无标签样本,训练集合中前250个正样本和前 500 个负样本作为源域有标签样本,而后50