半监督知识蒸馏的组织病理分类模型

摘要

组织病理图像分类是计算机辅助诊断的关键技术,在很大程度上依赖于大量的标记数据,尽管半监督和弱监督方法可以减少对标记数据的依赖,但仍然存在数据利用率低、模型参数过多和模型泛化能力差等问题。为了应对这些挑战,提出了一种基于知识蒸馏的增强半监督学习框架(boosting semi-supervised learning,BSL),该方法首先利用自监督对比学习的方法,预训练一个融合细胞核先验知识的组织病理图像分类模型,作为教师模型;然后利用增强型半监督学习方法进一步完成教师模型的训练;最后利用教师模型指导学生模型的训练,实现知识迁移,加速模型收敛,提高其性能。实验结果表明,所提出方法的性能在公开数据集上优于现有方法。

关键词

组织病理分类 / 先验知识 / 自监督对比学习 / 知识蒸馏 / 半监督学习