小样本域自适应的皮肤病临床影像识别方法

• 作者: 张兰 张秦 景海婷 李政霄 李钟毓 祝继华 陈曼
• 来源期刊: 西安交通大学学报
• 关键词: 卷积神经网络 域自适应 小样本 皮肤病识别 最大相关熵准则
• 年，卷（期）: 2020,（9）
• 页码范围: 142-148,156
• 页数: 8页
• 分类号: TP38
• 语种: 中文
• DOI: 10.7652/xjtuxb202009016

摘要

针对公开数据集训练所得模型无法直接应用于临床上不同设备的辅助诊断,而临床荻取的数据又缺少足够人力进行标注的问题,提出了一种面向皮肤病临床影像识别的小样本域自适应方法.以ISIC皮肤病公开数据集作为标签已知的源域,以实际临床采集的数据作为待识别的目标域,通过医生对极少量临床数据进行标注,建立由卷积神经网络实现的特征提取器和分类器,构建小样本域自适应模型.引入最大相关熵准则来提高识别模型的精度和泛化能力,在每类只有少量带标签目标域样本的情况下,通过交替最大最小化条件熵,在提取区别性特征的同时减小不同域之间的分布差距,提高了分类器在新域上的准确率,实现了模型的跨域迁移.对所提方法在日光性角化病和脂溢性角化病分类问题上进行了实验验证,结果表明:相比于非域自适应方法,所提方法克服了不同采集设备造成的数据分布差异问题,取得了更高的识别准确率;相比于无监督域自适应方法,所提方法通过加入极少量标注的临床数据实现了域自适应,识别准确率为93.94％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李政霄		38	150	7.0	11.0
2	张兰		51	154	7.0	9.0
3	张秦		7	73	2.0	7.0
4	祝继华		7	51	3.0	7.0
5	陈曼		2	28	1.0	2.0
6	景海婷		1	0	0.0	0.0
7	李钟毓		1	0	0.0	0.0