解决胸部 X 光图像报告生成中的数据偏差问题
计算机视觉与模式识别
2019-08-07 v1
摘要
从胸部 X 光图像自动生成医学报告是协助医生减轻工作负担的一种可能途径。然而，正常与异常病例的不同模式与数据分布会使机器学习模型产生偏差。先前尝试未聚焦于分离异常与正常句子的生成，以提升生成段落的多样性。为此，我们提出在分层 LSTM 模型中使用两个不同的词 LSTM 来分离异常与正常句子生成。我们针对生成句子的独特性与 BLEU 分数进行了分析，发现当生成报告独特性较低时 BLEU 分数升高。希望我们的发现有助于推动新指标的开发，以更好地验证自动医学报告生成方法。
引用
@article{arxiv.1908.02123,
title = {Addressing Data Bias Problems for Chest X-ray Image Report Generation},
author = {Philipp Harzig and Yan-Ying Chen and Francine Chen and Rainer Lienhart},
journal= {arXiv preprint arXiv:1908.02123},
year = {2019}
}
备注
Oral at BMVC 2019