关系学习视角下的多标签胸部 X 光分类
人工智能
2021-03-11 v1 计算机视觉与模式识别
机器学习
摘要
胸部 X 光图像的多标签分类频繁采用判别式方法,即学习将图像直接映射到其二元标签。此类方法难以融入诸如标注不确定性或标签间依赖等辅助信息。为此,我们提出一种新颖的多标签分类知识图重构方法,其不仅易于提升编码器的预测性能,还作为引入新领域知识的通用框架。具体而言,我们根据胸部 X 光图像及其标签构建多模态知识图,并将多标签分类表述为链接预测问题。随后,融入辅助信息可简单地通过添加额外节点及其间关系实现。在公开可用的放射影像数据集(CheXpert)上测试时,我们使用朴素知识图的关系重构以 83.5% 的 ROC 曲线下面积优于当前最优方法,较纯判别式方法提升约 "sim 1"。
引用
@article{arxiv.2103.06220,
title = {A Relational-learning Perspective to Multi-label Chest X-ray Classification},
author = {Anjany Sekuboyina and Daniel Oñoro-Rubio and Jens Kleesiek and Brandon Malone},
journal= {arXiv preprint arXiv:2103.06220},
year = {2021}
}