計算機科學學院碩士研究生洪雨欣論文被頂級國際學術會議ACM Multimedia 2024錄用為口頭報告
作者：張瀟 編輯：由永慧 上傳：由永慧 審核：柯尊韜 發(fā)布時間：2024-07-25 瀏覽次數(shù)：
2024年7月21日,，國際多媒體學術會議（ACM International Conference on Multimedia,，簡稱ACM Multimedia）公布了論文接收結果。中南民族大學智能計算理論與網(wǎng)絡安全團隊聯(lián)合新加坡科技研究局研究人員在海量高維的醫(yī)學影像數(shù)據(jù)壓縮技術領域取得的最新論文成果“Evolution-aware VArance (EVA) Coreset Selection for Medical Image Classification”被接收（錄用率26.20%）,，并進一步以接近滿分評分被選為Oral presentation （4385篇投稿中，僅錄用174篇,，錄用率3.97%）,。中南民族大學計算機科學學院碩士研究生洪雨欣為第一作者，其導師張瀟（中南民族大學智能計算理論與網(wǎng)絡安全團隊負責人）為唯一通訊作者,，中南民族大學為唯一通訊單位,。這是我校師生首次以第一作者第一單位身份在CCF A類頂級國際學術會議發(fā)表論文。
在醫(yī)療領域,，對海量高維的醫(yī)學影像數(shù)據(jù)進行高效管理和可靠分析是一項關鍵且嚴峻的挑戰(zhàn),，尤其是在資源有限的情況下，如遠程醫(yī)療設施和移動設備中,，這一需求更為迫切。為了應對這一挑戰(zhàn),，有效的數(shù)據(jù)集壓縮技術顯得尤為重要,，它可以降低存儲、傳輸和計算成本,。然而,，現(xiàn)有的核心集選擇（Coreset Selection）方法主要針對自然圖像數(shù)據(jù)集設計，尚未充分考慮醫(yī)學圖像領域的特定需求,。醫(yī)學圖像數(shù)據(jù)集具有類內差異性（intra-class variation）和類間相似性（inter-class similarity）等特性,，導致現(xiàn)有方法在醫(yī)學圖像上的表現(xiàn)不佳。
圖 1 醫(yī)學圖像中的類間相似性與類內差異性示例
為了解決這一問題,，中南民族大學智能計算理論與網(wǎng)絡安全團隊提出了一種新的核心集選擇策略,，稱為"Evolution-aware VArance (EVA）"。EVA通過雙窗口方法捕捉模型訓練的進化過程,，并通過方差測量更精確地反映樣本重要性的波動,，從而挑選出更能代表原始數(shù)據(jù)集的核心子集（coreset）。
圖 2 EVA整體框架
在醫(yī)學圖像數(shù)據(jù)集上進行的大量實驗證明,，本文策略比以往的 SOTA 方法更有效,，尤其是在高壓縮率的情況下，優(yōu)勢更為明顯,。此外,，在自然圖像數(shù)據(jù)集以及不同模型架構上的實驗進一步驗證了EVA的有效性和魯棒性?？偟膩碚f,，EVA策略能夠在大幅減少訓練數(shù)據(jù)量的情況下，保持甚至提高模型的性能,，從而提高數(shù)據(jù)存儲,、傳輸和計算的效率,。
ACM Multimedia由國際計算機協(xié)會（ACM）發(fā)起，是多媒體處理,、分析與計算領域最具影響力的國際會議,，中國計算機學會（CCF）推薦的A類國際學術會議。CCF認為“A類指國際上極少數(shù)的頂級會議，鼓勵我國學者去突破”,。 ACM Multimedia 2024將于2024年10月28日于澳大利亞墨爾本舉辦,。
