通过图覆盖进行医学图像分类的一次性数据选择

当注释预算有限时，在整个数据集上训练医学图像分类器是一种浪费：并非所有样本的贡献均等，而且获取专家标签的成本很高。主动学习通过迭代查询降低标注成本，但假设重复访问预言机，需要多轮 模型训练。基于一次性几何的方法（例如设施定位）避免了重新训练，但在忽略数据流形局部结构的成对距离上进行操作。我们提出了一种基于图的一次性选择方法，该方法完全在冻结基础模型嵌入上运行。给定来自预训练编码器的嵌入，我们在所有训练样本上构建一个 k 最近邻图，并从热扩散内核中导出两项覆盖内核，捕获直接邻域关系和两跳邻域关系。该内核上的贪婪设施位置选择类平衡子集，以最大化数据流形的覆盖范围。两项内核在选择行为中与全谱热内核匹配，同时使用单个超参数将计算减少到稀疏矩阵运算。我们对涵盖组织病理学、放射学和显微镜学的五个 MedMNIST 数据集进行了评估，并与训练动力学和基于几何的基线进行比较。我们的方法在十个数据集比率条件中的九个上实现了最高的平衡精度，在类不平衡数据集上获得了最大的收益，其中全局图构造捕获了每类方法错过的跨类结构，所有这些在选择过程中都没有任何 模型训练。代码可在 https://github.com/zahriddin-rustamov/graph-coverage-selection 获取。