Jul, 2023

你有两位教师：胸部 X 射线半监督解剖异常检测的共同进化图像和报告提炼

PDF
TL;DR该研究提出了一种半监督的胸部 X 射线异常检测方法，使用放射学报告的文本分类结果和视觉检测结果互相辅助，通过伪标签改进技术提高性能。实验结果表明其在公共的 MIMIC-CXR 基准上的表现优于其他现有的弱监督和半监督方法。
chest x-rayabnormality detectionsemi-supervisedreport-guidedpseudo label refinement
发现论文，激发创造
  • 学习视觉语义嵌入用于报道胸部 X 光上的异常发现

    该论文提出了一种基于交叉模态检索的自动医学图像报告生成方法，该方法可以从报告中识别异常发现，并将它们与无监督聚类和最小规则分组，通过使用提出的有条件构建的视觉 - 语义嵌入进行图像和小粒度异常发现对齐，其能够更好地检索异常发现并在临床正确性和文本生成度量方面优于现有的生成模型。

    Oct, 2020

  • 胸部 X 光报告生成的弱监督对比学习

    本篇论文提出了一种弱监督的对比损失方法，用于提高放射学报告生成的文本质量，实验结果表明该方法在两个公共基准数据集上在临床正确性和文本生成指标方面优于以前的工作。

    Sep, 2021

  • 通过从 X 射线专家模型中提炼知识来引导胸部 CT 图像理解

    利用自然语言作为有限可用的数据集辅助胸部 CT 图像理解并通过对比学习技术提高模型的性能。

    Apr, 2024

  • 可解释的知识蒸馏用于设备端胸部 X 射线分类

    本文通过利用知识蒸馏策略创造紧凑的深度学习模型，实现了针对复杂诊断的自动化多标签胸部 X 光图像分类，并借助可解释的人工智能提供模型决策的视觉解释，在 ChestX-ray14、CheXpert 和 PadChest 等数据集上取得了较好的性能表现，具备在有限硬件平台上实现的可行性。

    May, 2023

  • 胸部 X 射线图像的弱监督异常检测

    针对少样本异常图像的弱监督胸部 X 光检测方法（WSCXR）的研究。WSCXR 通过利用异常特征挖掘消除正常区域特征并采用线性混合策略增强异常特征，从而充分利用疾病区域的关键特征，实现了对异常图像的有效检测。

    Nov, 2023

  • BarlowTwins-CXR：跨领域自监督学习增强异质数据中的胸部 X 光异常定位

    BarlowTwins-CXR 通过自监督学习策略显著提高了胸部 X 射线图像异常定位的效率和准确性，超越了传统的迁移学习方法，并有效地解决了跨域场景中的领域不一致问题。我们的实验结果表明，利用自监督学习可以提高在医学环境中具有有限异构数据的模型的泛化能力。

    Feb, 2024

  • 一种双视图方法用于通过共训练对放射学报告进行分类

    放射学报告分析可为公共卫生倡议提供有价值的信息，并且吸引了研究界越来越多的关注。本研究提出了一种新的见解，即放射学报告的结构（即发现和印象部分）提供了对放射学扫描的不同视角。基于这个直觉，我们进一步提出了一种共同训练方法，在发现部分和印象部分分别构建两个机器学习模型，并使用彼此的信息以半监督的方式利用海量未标记的数据来提高性能。我们在公共卫生监测研究中进行了实验，结果表明我们的共同训练方法能够利用双重视角提高性能，并超越竞争的监督和半监督方法。

    Jun, 2024

  • 基于视觉变压器的自监督方法用于胸部 X 光片分类

    我们提出了一种自监督方法 DINO-CXR，通过对胸部 X 射线的分类进行自监督预训练，证明了该方法在肺炎和 COVID-19 检测方面的有效性，并在准确性方面胜过了最先进的方法，在 AUC 和 F-1 得分方面取得了可比较的结果，同时少使用了标记数据。

    Aug, 2023

  • 基于 AdaIN 的域自适应和知识蒸馏的 CXR 分割

    通过自适应实例标准化技术，同时进行域适应和半监督分割任务训练的单一生成器模型，达到胸部 X 光分割领域中未见效果，并且实现了最先进的分割效果。

    Apr, 2021

  • 自监督均值教师模型在半监督胸部 X 光分类中的应用

    该研究提出了基于自监督平均教师预训练和半监督微调的自我监督平均教师的半监督学习方法，应用于胸部 X 光片和皮肤病分类问题，取得较大的性能改善。

    Mar, 2021