WAL-Net辅助任务网络

弱监督提升分类

通过弱监督分割作为辅助任务,提升颈动脉斑块分类性能,无需分割标注。

甘海涛 · Lingchao, Fu · Zhou, Ran · Weiyan, Gan · 王芙蓉 · 吴小燕 · 杨智 · 黄中伟

Engineering Applications of Artificial Intelligence 2024

参数信息

整体分类准确率提升
1.3 %
混合回声斑块分类准确率提升
3.3 %
训练/评估图像数量
1270

技术优势

省去分割标注

弱监督辅助任务不需要分割掩码,避免了获取大量难以获取的分割标注,同时利用分割和分类的相关性提升分类性能。

提升分类准确率

相较于基线网络,WAL-Net将颈动脉斑块分类准确率提升了约1.3%,其中混合回声斑块提升更为显著,达到约3.3%。

契合临床数据

模型在1270张来自武汉大学中南医院的真实颈动脉斑块超声图像上进行评估,贴近临床实际情况。

应用场景