-
题名基于视网膜图像疾病检测大模型的可迁移性验证
- 1
-
-
作者
黄帅
胡联亭
李丹彤
林晓兰
梁会营
-
机构
南方医科大学附属广东省人民医院(广东省医学科学院)医学大数据中心
南方医科大学附属广东省人民医院(广东省医学科学院)信息管理处
-
出处
《中国数字医学》
2024年第10期14-19,共6页
-
基金
国家自然科学基金委员会面上项目-开放场景下疾病智能诊断模型跨医疗机构迁移技术研究(62076076)。
-
文摘
迁移学习通过整合源领域模型知识,优化目标领域的模型性能。但在医学领域中不同病种之间存在差异,甚至某些病种在源机构标注训练集中从未出现,这构成了典型的开放场景下的迁移学习问题,此外由于部分数据难以获取,以大批量标注来进行二次训练的工作存在困难。医学影像基础大模型的出现为这些问题提供了一种潜在解决方案,这些基础大模型是基于海量的数据进行预训练,具备强大的特征提取和学习能力,可以将其作为迁移学习的起点,将源领域的知识迁移到目标领域。基于视网膜影像疾病诊断基础大模型,从疾病种类、疾病位置、模型迁移方法的跨任务迁移能力及外部测试的跨中心迁移能力4个方面对其进行了可迁移性的验证,展示了其在解决开放场景下医学迁移学习问题中的潜力和价值,为医学影像分析技术的发展和应用提供了新的思路和方法。
-
关键词
迁移学习
基础大模型
跨任务迁移
跨中心迁移
可迁移性验证
-
Keywords
Transfer learning
Basic large model
Cross-task transfer
Cross-center transfer
Transferability verification
-
分类号
R197.3
[医药卫生—卫生事业管理]
R319
[医药卫生—基础医学]
-
