English(EN) Active Learning for Efficient Annotation of Surgical Videos with Weak Supervision

主动学习框架使手术视频标注工作量减半

作者 PulseAugur 编辑部 · [1 个来源] · 2026-07-16 04:00

研究人员开发了一个新颖的框架，结合了主动学习和双损失优化，以提高手术视频标注的效率。这个“人在回路”系统使用基础模型生成类激活图并迭代地优化伪掩码，指导专家标注者进行正确的标注。与传统的全手动标注相比，所提出的方法可将标注工作量显著减少高达 50%，从而能够可扩展地开发手术工具分割模型。 AI

影响这项研究提供了一种实用的方法来降低标注手术视频的成本和时间，有可能加速用于手术分析的 AI 工具的开发和部署。

排序理由该集群包含一篇研究论文，详细介绍了用于高效标注手术视频的新方法。[lever_c_demoted from research: ic=1 ai=1.0]

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Manasa Dendukuri, Matjaz Jogan, Daniel A. Hashimoto, Guiqiu Liao · 2026-07-16 04:00

面向弱监督手术视频高效标注的主动学习

arXiv:2607.13237v1 Announce Type: cross Abstract: Precise spatial-temporal annotation of laparoscopic videos is time-consuming and requires expert knowledge. We propose a human-in-the-loop knowledge acquisition framework that combines active learning with dual-loss optimization t…