Schwach überwachte maschinelles Lernen

Zusammenfassung Überwachtes Lernen zielt darauf ab, eine Funktion oder ein Modell zu erstellen, das so viele Zuordnungen wie möglich zwischen den Trainingsdaten und Ausgaben sucht, wobei jedes Trainingsdaten als Label vorhersagt, um den entsprechenden wahren Wert zu erreichen. Obwohl überwacht Lernen in vielen Aufgaben großen Erfolg erzielt hat, ist ausreichende Datenaufsicht für Labels in vielen Bereichen nicht zugänglich, da die genaue Datenbeschriftung kostspielig und mühsam ist, insbesondere in der medizinischen Bildanalyse. Die Kosten des Datensatzes mit wahren Labels sind viel höher als in anderen Bereichen. Daher ist es bemerkenswert, sich auf schwach überwachtes Lernen für die medizinische Bildanalyse zu konzentrieren, da es praktischen Anwendungen besser zugänglich ist. In dieser Überprüfung geben die Autoren einen Überblick über den neuesten Prozess des schwach überwachten Lernens in der medizinischen Bildanalyse, einschließlich unvollständiger, ungenauer und fehlerhafter Aufsicht, und stellen die damit verbundenen Arbeiten zu verschiedenen Anwendungen für die medizinische Bildanalyse vor. Verwandte Konzepte werden veranschaulicht, um den Lesern einen Überblick zu geben - von überwachten bis hin zu unüberwachten Lernen im Rahmen des maschinellen Lernens. Darüber hinaus werden die Herausforderungen und zukünftige Arbeiten des schwach überwachten Lernens in der medizinischen Bildanalyse diskutiert.