GraphX$^{NET}-$ 极端少量监督下的胸部X光片分类

X射线数据分类是一项具有理论和临床意义的任务。尽管监督深度学习方法依赖于大量标记数据，但在仅有极少量标记数据可用的情况下实现高分类精度这一关键问题尚未得到解决。在本研究中，我们提出了一种基于图优化模型的新型半监督框架，用于X射线数据分类。据我们所知，这是首次利用基于图的半监督学习方法进行X射线数据分类。此外，我们引入了一种新的多类分类函数，通过精心选择类别先验（class priors），该函数能够生成平滑的解决方案，增强有限标签数量与大量未标记数据之间的协同作用。通过一系列数值和可视化实验，我们证明了我们的方法在ChestX-ray14数据集上取得了极具竞争力的结果，同时大幅减少了对注释数据的需求。