基于修正标签分布的乳腺超声图像分类

• 作者: 吴尽昭 曹占涛 李晓瑜 杨国武 陈琴
• 来源期刊: 电子科技大学学报
• 学科: 工学
• 关键词: 乳腺超声图像 深度学习 噪音标签 弱监督学习
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 计算机工程与应用
• 页码范围: 597-602
• 页数: 6页
• 分类号: TP391
• 字数: 4968字
• 语种: 中文
• DOI: 10.12178/1001-0548.2020001

摘要

针对乳腺超声图像分类中的标签噪音问题,该文设计了一种协作标签修正网络(COLC-Net).该方法基于乳腺超声BI-RADS评级噪音分布特点,为乳腺超声图像定义了软标签,并设计了双网络协作训练,以蒸馏优秀知识修正软标签.随着软标签准确性的增加,可以降低噪音标签负作用,并增强准确标签知识的学习.与现有最新方法进行比较,结果证实了该方法具有更好的效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴尽昭	广西民族大学理学院	23	39	4.0	5.0
2	杨国武	电子科技大学计算机科学与工程学院	22	84	4.0	8.0
3	李晓瑜	电子科技大学信息与软件工程学院	19	150	5.0	12.0
4	曹占涛	电子科技大学计算机科学与工程学院	2	4	1.0	2.0
5	陈琴	电子科技大学医学院	2	8	1.0	2.0