这篇文章提出了“梅拉”,一个用于肺结节诊断的多模态、多尺度自解释模型,它大大降低了对标注数据的需求。 “梅拉”模型的核心思想是整合无监督学习和弱监督学习策略,以最大限度地减少对标注数据的依赖。 它采用自监督学习技术和视觉转换模型架构进行无监督特征提取,然后利用分层预测机制,通过在学习到的潜在空间中进行半监督主动学习,充分利用稀疏标注信息。
*版权声明:本网站所转载的文章,均来自互联网,旨在传递更多信息。鉴于互联网的开放性和文章创作的复杂性,我们无法保证所转载的所有文章均已获得原作者的明确授权。如果您是原作者或拥有相关权益,请与我们联系,我们将立即删除未经授权的文章。本网站转载文章仅为方便读者查阅和了解相关信息,并不代表我们认同其观点和内容。读者应自行判断和鉴别转载文章的真实性、合法性和有效性。
收藏
登录后参与评论