Nov, 2023

胸部X光片中的胸部疾病具有噪声标签的长尾多标签分类

HTML
PDF
TL;DR通过创建融合了常见和罕见胸部疾病的新数据集“LTML-MIMIC-CXR”，我们提出了一种基准方法来解决胸部X光片中罕见疾病检测的问题，其中包括了自动标注修正的大型损失重新考虑策略和针对尾部类别负logit过抑制的自适应负正则化方法。我们在LTML-MIMIC-CXR上的评估显示出罕见疾病检测的显著进展，为稳健的计算机辅助诊断方法提供了基础，以达到在胸部X光片中识别一系列胸部疾病的平衡。
发现论文，激发创造
  • MIMIC-CXR-JPG：一个大型公开可用的带标签胸部X射线数据库

    该论文介绍了MIMIC-CXR-JPG v2.0.0数据集，这是一个从2011年至2016年收集的大型数据集，包括377,110个胸部X光片，提供了14个标签，旨在为医学计算机视觉领域提供数据和标准。

    Jan, 2019

  • 利用卷积神经网络解释胸部X射线，利用分层疾病依赖性和不确定标签

    该研究提出了一种基于深度卷积神经网络的监督式多标签分类框架，用于预测14种常见胸部疾病的风险，同时针对常见胸透数据集中不确定样本占据的显著比例，提出了标签平滑技术。在超过200k的数据集上训练，该模型在5项病理学的验证集中实现了0.940的平均AUC分数，表现高于独立测试集中的其他三位医学专家，该方法在CheXpert排行榜上排名第一。

    Nov, 2019

  • 利用层次疾病依赖和不确定标签通过CNN解释胸部X光片

    利用深度卷积神经网络（CNNs）构建了一个多标签分类框架，能够准确检测14种常见胸部疾病和病灶的存在，通过对UGCXR数据集的训练，该模型取得了目前最高的AUC分数0.940， 平均优于独立评审组中的2.6位放射科医生，表现优于目前CheXpert测试集上的其他分类器。

    May, 2020

  • CheXFusion: 多视角特征有效融合用于长尾胸部X射线分类的转换器

    本研究通过引入 CheXFusion，一个基于 transformer 的融合模块，结合多视图图像处理，通过自注意力和交叉注意力机制，高效聚合多视图特征并考虑标签的共现作用，进一步探索数据平衡和自训练方法以提高模型性能，在 MIMIC-CXR 测试集中取得了 0.372 mAP 的最先进结果，并在竞赛中获得第一名，突显了在医学图像分类中考虑多视图设置、类别不平衡和标签共同出现的重要性。

    Aug, 2023

  • 胸部X光片的长尾多标签分类的技巧包

    通过整合多种先进设计，例如数据增强、特征提取器、分类器设计、损失函数加权、外生数据补充等，以及简单的测试时数据增强和集成，我们的框架在 ICCV CVAMD 2023 CXR-LT 比赛的测试集上最终实现了 0.349 的 mAP，排名前五。

    Aug, 2023

  • 基于多关系图学习的专家不确定性和严重程度感知胸部X光分类

    通过考虑疾病的严重程度和不确定性，从胸部X射线报告中重新提取疾病标签，设计了具有专家不确定性感知损失函数的多关系图学习方法，实验结果表明模型在疾病严重程度和不确定性方面优于最先进的方法。

    Sep, 2023

  • 如何驾驭胸部X光数据的长尾？

    通过为模型选择更接近目标数据集领域的初始化方法，结合已有文献中的技术，以及利用合成数据增强尾部标签，可以显著提高深度学习模型在胸部X光图像中推断罕见异常的性能。

    Sep, 2023

  • 基于胸部X射线的长尾、多标签疾病分类研究概述：CXR-LT挑战的综述

    在医学图像识别中，我们提出了一个长尾多标签疾病分类的问题，并通过一个公开的挑战(CXR-LT)提供了一个大规模数据集来解决这个问题。我们总结了表现最好的解决方案的共同主题，并提出了对于长尾多标签医学图像分类的实用建议，最后，我们利用这些观察结果提出了基于视觉语言模型的少标签和零标签疾病分类的前进方向。

    Oct, 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

  • 利用隐私保护的大型语言模型和多类型标注增强胸部 X 光数据集：提高分类的数据驱动方法

    使用MAPLEZ方法，使用基于规则的系统从CXR报告中提取和增强发现标签，包括存在性、位置、严重程度以及放射科医生对发现的不确定性，并在分类监督中取得了显著的模型质量提升

    Mar, 2024