Buchumschlag

Active Label Refinement for Robust Training of Imbalanced Medical Image Classification Tasks in the Presence of High Label Noise

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Khanal, Bidur, Dai, Tianhong, Bhattarai, Binod, Linte, Cristian
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Investigating the Robustness of Vision Transformers against Label Noise in Medical Image Classification
von: Khanal, Bidur, et al.
Veröffentlicht: (2024)

How does self-supervised pretraining improve robustness against noisy labels across various medical image classification datasets?
von: Khanal, Bidur, et al.
Veröffentlicht: (2024)

Hallucination-Aware Multimodal Benchmark for Gastrointestinal Image Analysis with Large Vision-Language Models
von: Khanal, Bidur, et al.
Veröffentlicht: (2025)

Assessing the Performance of the DINOv2 Self-supervised Learning Vision Transformer Model for the Segmentation of the Left Atrium from MRI Images
von: Kundu, Bipasha, et al.
Veröffentlicht: (2024)

Noise-Adaptive Regularization for Robust Multi-Label Remote Sensing Image Classification
von: Burgert, Tom, et al.
Veröffentlicht: (2026)

Mitigating Instance-Dependent Label Noise: Integrating Self-Supervised Pretraining with Pseudo-Label Refinement
von: Bala, Gouranga, et al.
Veröffentlicht: (2024)

Learning Confident Classifiers in the Presence of Label Noise
von: Hashmi, Asma Ahmed, et al.
Veröffentlicht: (2023)

Efficient Adaptive Label Refinement for Label Noise Learning
von: Zhang, Wenzhen, et al.
Veröffentlicht: (2025)

Label Semantics for Robust Hyperspectral Image Classification
von: Hassan, Rafin, et al.
Veröffentlicht: (2025)

Local K-Similarity Constraint for Federated Learning with Label Noise
von: Amgain, Sanskar, et al.
Veröffentlicht: (2025)

VGS-ATD: Robust Distributed Learning for Multi-Label Medical Image Classification Under Heterogeneous and Imbalanced Conditions
von: Zhao, Zehui, et al.
Veröffentlicht: (2025)

Counterfactual Reasoning for Multi-Label Image Classification via Patching-Based Training
von: Xie, Ming-Kun, et al.
Veröffentlicht: (2024)

SSR: An Efficient and Robust Framework for Learning with Unknown Label Noise
von: Feng, Chen, et al.
Veröffentlicht: (2021)

Iterative Refinement Strategy for Automated Data Labeling: Facial Landmark Diagnosis in Medical Imaging
von: Chen, Yu-Hsi
Veröffentlicht: (2024)

Adaptive Label Correction for Robust Medical Image Segmentation with Noisy Labels
von: Qian, Chengxuan, et al.
Veröffentlicht: (2025)

Robust Classification by Coupling Data Mollification with Label Smoothing
von: Heinonen, Markus, et al.
Veröffentlicht: (2024)

Risk-Aware Robust Learning: Reducing Clinical Risk under Label Noise in Medical Image Classification
von: Pereira, Maycon R. S., et al.
Veröffentlicht: (2026)

Imbalanced Medical Image Segmentation with Pixel-dependent Noisy Labels
von: Guo, Erjian, et al.
Veröffentlicht: (2025)

Unleashing the Potential of Open-set Noisy Samples Against Label Noise for Medical Image Classification
von: Liao, Zehui, et al.
Veröffentlicht: (2024)

A Conformal Prediction Score that is Robust to Label Noise
von: Penso, Coby, et al.
Veröffentlicht: (2024)

Learning from Imperfect Text Guidance: Robust Long-Tail Visual Recognition with High-Noise Label
von: Li, Mengke, et al.
Veröffentlicht: (2026)

Understanding and Mitigating the Label Noise in Pre-training on Downstream Tasks
von: Chen, Hao, et al.
Veröffentlicht: (2023)

GBRIP: Granular Ball Representation for Imbalanced Partial Label Learning
von: Huang, Jintao, et al.
Veröffentlicht: (2024)

Coordinated Sparse Recovery of Label Noise
von: Yang, Yukun, et al.
Veröffentlicht: (2024)

SelectMix: Enhancing Label Noise Robustness through Targeted Sample Mixing
von: Liu, Qiuhao, et al.
Veröffentlicht: (2025)

NERO: Explainable Out-of-Distribution Detection with Neuron-level Relevance
von: Chhetri, Anju, et al.
Veröffentlicht: (2025)

Robust Self-Training with Closed-loop Label Correction for Learning from Noisy Labels
von: Lin, Zhanhui, et al.
Veröffentlicht: (2026)

Leveraging Label Proportion Prior for Class-Imbalanced Semi-Supervised Learning
von: Akiba, Kohki, et al.
Veröffentlicht: (2026)

Leveraging Semi-Supervised Learning to Enhance Data Mining for Image Classification under Limited Labeled Data
von: Shen, Aoran, et al.
Veröffentlicht: (2024)

Improving Predictive Confidence in Medical Imaging via Online Label Smoothing
von: Choudhury, Kushan, et al.
Veröffentlicht: (2025)

NegRefine: Refining Negative Label-Based Zero-Shot OOD Detection
von: Ansari, Amirhossein, et al.
Veröffentlicht: (2025)

When the Small-Loss Trick is Not Enough: Multi-Label Image Classification with Noisy Labels Applied to CCTV Sewer Inspections
von: Chelouche, Keryan, et al.
Veröffentlicht: (2024)

Is Complete Labeling Necessary? Understanding Active Learning in Longitudinal Medical Imaging
von: Ma, Siteng, et al.
Veröffentlicht: (2025)

Soften to Defend: Towards Adversarial Robustness via Self-Guided Label Refinement
von: Yu, Daiwei, et al.
Veröffentlicht: (2024)

Dynamic Label Adversarial Training for Deep Learning Robustness Against Adversarial Attacks
von: Liu, Zhenyu, et al.
Veröffentlicht: (2024)

BadLabel: A Robust Perspective on Evaluating and Enhancing Label-noise Learning
von: Zhang, Jingfeng, et al.
Veröffentlicht: (2023)

Robust Tiny Object Detection in Aerial Images amidst Label Noise
von: Zhu, Haoran, et al.
Veröffentlicht: (2024)

Prompt Augmentation for Self-supervised Text-guided Image Manipulation
von: Bodur, Rumeysa, et al.
Veröffentlicht: (2024)

Balancing Accuracy, Calibration, and Efficiency in Active Learning with Vision Transformers Under Label Noise
von: Mots'oehli, Moseli, et al.
Veröffentlicht: (2025)

Noisy Ostracods: A Fine-Grained, Imbalanced Real-World Dataset for Benchmarking Robust Machine Learning and Label Correction Methods
von: Hu, Jiamian, et al.
Veröffentlicht: (2024)