利用非专家标注扩充胸部 X 光数据集
计算机视觉与模式识别
2025-07-22 v3
摘要
医学图像分析中机器学习算法的发展需要扩充训练数据集。一种流行且经济高效的方法是从自由文本医学报告中自动提取标注，这主要是因为临床专家标注医学图像（如胸部 X 光）的成本高昂。然而，已有研究表明，由此得到的数据集易受偏差与捷径的影响。另一种增加数据集规模的策略是众包，这是通用计算机视觉中广泛采用的实践，在医学图像分析中也取得了一定成功。类似于众包，我们通过引入非专家标注来增强两个公开的胸部 X 光数据集。不过，我们并非使用诊断标签，而是以导管形式标注捷径。我们为 NIH-CXR14 收集了 3.5k 个胸管标注，并为 PadChest 中的四种不同导管类型收集了 1k 个标注，由此创建了 X 光中导管的非专家标注（NEATX）数据集。我们利用非专家标注训练了一个胸管检测器，该检测器对专家标签具有良好的泛化能力。此外，我们将我们的标注与专家提供的标注进行比较，显示出“中等”到“几乎完全一致”的一致性。最后，我们提出了一项病理一致性研究，以提高对真值标注质量的关注。我们在 Zenodo（https://zenodo.org/records/14944064）上提供数据集，代码见 https://github.com/purrlab/chestxr-label-reliability。
引用
@article{arxiv.2309.02244,
title = {Augmenting Chest X-ray Datasets with Non-Expert Annotations},
author = {Veronika Cheplygina and Cathrine Damgaard and Trine Naja Eriksen and Dovile Juodelyte and Amelia Jiménez-Sánchez},
journal= {arXiv preprint arXiv:2309.02244},
year = {2025}
}
备注
Medical Image Understanding and Analysis Conference - MIUA 2025