构建 AP 胸片中句子级发现的基准数据集与分类器
计算机视觉与模式识别
2019-06-25 v1
摘要
胸片是急诊室与医院中最常见的诊断检查。在 NIH 发布大型开源胸片数据集之后，利用深度学习方法自动解读胸片的工作激增。然而，这些标签对于训练分类工具而言不够丰富与具描述性。此外，它未能充分解决前后位（AP）视角胸片中所见的发现，此类胸片还描绘了中心血管管路和导管等装置的放置情况。本文提出一个新的胸片基准数据库，包含 73 个描述 AP 胸片中所见发现的丰富句子级描述符。我们描述了通过众包临床医生标注的半自动真值生成过程来获取这些发现的方法。我们还给出了为这些发现构建分类器的结果，表明此类更高粒度的标签也可通过深度学习分类器框架学习得到。
引用
@article{arxiv.1906.09336,
title = {Building a Benchmark Dataset and Classifiers for Sentence-Level Findings in AP Chest X-rays},
author = {Tanveer Syeda-Mahmood and Hassan M. Ahmad and Nadeem Ansari and Yaniv Gur and Satyananda Kashyap and Alexandros Karargyris and Mehdi Moradi and Anup Pillai and Karthik Sheshadri and Weiting Wang and Ken C. L. Wong and Joy T. Wu},
journal= {arXiv preprint arXiv:1906.09336},
year = {2019}
}
备注
This paper was accepted by the IEEE International Symposium on Biomedical Imaging (ISBI) 2019