一种用于从多厂商胸部X光片自动识别肺部疾病的增量学习方法
图像与视频处理
2022-01-17 v2 计算机视觉与模式识别
摘要
肺部疾病可导致严重呼吸问题，若不及时治疗会引发猝死。许多研究者已利用深度学习系统通过胸部X光片（CXRs）诊断肺部疾病。然而，此类系统需要在大规模数据上进行详尽训练才能有效诊断胸部异常。此外，获取此类大规模数据通常不可行且不现实，尤其对于罕见疾病。随着增量学习的最新进展，研究者已周期性地调整深度神经网络，以少量训练样本学习不同分类任务。尽管此类系统能抵抗灾难性遗忘，但它们将知识表示相互独立处理，这限制了其分类性能。此外，据我们所知，尚无专门设计用于从CXR筛查肺部疾病的增量学习驱动的图像诊断框架。为此，我们提出了一种新颖框架，可增量式学习筛查不同胸部异常。此外，该框架通过增量学习损失函数进行约束，该函数推断贝叶斯理论以识别增量学习知识表示之间的结构与语义相互依赖关系，从而有效诊断肺部疾病，且与扫描仪规格无关。我们在包含不同胸部异常的五个公开CXR数据集上测试了所提框架，其在多项指标上优于各种SOTA系统。
引用
@article{arxiv.2201.02574,
title = {An Incremental Learning Approach to Automatically Recognize Pulmonary Diseases from the Multi-vendor Chest Radiographs},
author = {Mehreen Sirshar and Taimur Hassan and Muhammad Usman Akram and Shoab Ahmed Khan},
journal= {arXiv preprint arXiv:2201.02574},
year = {2022}
}
备注
Computers in Biology and Medicine