医療分野で大規模かつ詳細に注釈付けされたデータセットの精度と効率性を向上させるために、AIアルゴリズムと人間の専門知識を統合したインタラクティブセグメンテーションが重要である。このプロセスでは、人間の専門家がAIによって予測された注釈を修正し、その後、AIはこれらの修正された注釈から学ぶことで予測精度を向上させる。本論文では、「Continual Tuning」という手法を提案し、ネットワーク設計とデータ再利用の観点から問題に取り組んでいる。この手法は、以前学習したクラスを忘れずに新しいクラスだけに焦点を当ててAIモデルを調整することで、16倍速く性能を向上させることが示されている。
To Another Language
from source content
arxiv.org
Дополнительные вопросы