基于深度学习的胸部 X 光片严重程度评估的序数回归框架
计算机视觉与模式识别
2024-02-09 v1
摘要
本研究探讨了序数回归方法在胸部 X 光片疾病严重程度分类中的应用。我们提出了一个框架，将序数回归问题划分为三个部分：模型、目标函数和分类函数。利用 ResNet50 和 ViT-B-16 深度学习模型，应用了包括 one-hot、Gaussian、progress-bar 以及我们提出的 soft-progress-bar 在内的不同编码方法。结果表明，编码方式的选择对性能有显著影响，且最佳编码取决于 Cohen's kappa 的权重选择以及所使用的模型架构。我们的代码已在 GitHub 上公开。
引用
@article{arxiv.2402.05685,
title = {An Ordinal Regression Framework for a Deep Learning Based Severity Assessment for Chest Radiographs},
author = {Patrick Wienholt and Alexander Hermans and Firas Khader and Behrus Puladi and Bastian Leibe and Christiane Kuhl and Sven Nebelung and Daniel Truhn},
journal= {arXiv preprint arXiv:2402.05685},
year = {2024}
}
备注
17 pages, 3 figures, the code is available at: https://github.com/paddyOnGithub/ordinal_regression