自动基于图像的疾病严重程度估计通常使用离散(即量化)严重性标签。由于图像含糊不清,因此通常很难注释离散标签。一个更容易的替代方法是使用相对注释,该注释比较图像对之间的严重程度。通过使用带有相对注释的学习对框架,我们可以训练一个神经网络,该神经网络估计与严重程度相关的等级分数。但是,所有可能对的相对注释都是过敏的,因此,适当的样品对选择是强制性的。本文提出了深层贝叶斯的主动学习与级别,该级别训练贝叶斯卷积神经网络,同时自动选择合适的对进行相对注释。我们通过对溃疡性结肠炎的内窥镜图像进行实验证实了该方法的效率。此外,我们确认我们的方法即使在严重的类失衡中也很有用,因为它可以自动从次要类中选择样本。
translated by 谷歌翻译