胸部X光分类：一个多标签细粒度问题
计算机视觉与模式识别
2018-07-26 v3
摘要
广泛使用的ChestX-ray14数据集解决了一个重要的医学图像分类问题，并具有如下特点：1）许多肺部病理在视觉上相似；2）包括肺癌、结核病和肺炎在内的疾病变体出现在单次扫描中，即多标签；3）健康图像的出现频率远高于患病样本，造成数据不平衡。这些特性在医学领域很常见。现有文献使用最先进的DenseNet/ResNet模型进行迁移学习，网络输出神经元针对各疾病训练，以应对每幅图像中的多疾病标签。然而，大多数未考虑多类之间的关系。本工作中，我们提出了一种新颖的损失函数——多标签Softmax损失（MSML），专门解决多标签与数据不平衡的特性。此外，我们基于细粒度分类概念设计了融合MSML的深度网络架构。我们在多种网络骨干上评估了所提方法，并在ChestX-ray14数据集上显示出AUC-ROC分数的一致性能提升。所提损失函数为在更广医学数据集上获得改进性能提供了新途径。
引用
@article{arxiv.1807.07247,
title = {Chest X-rays Classification: A Multi-Label and Fine-Grained Problem},
author = {Zongyuan Ge and Dwarikanath Mahapatra and Suman Sedai and Rahil Garnavi and Rajib Chakravorty},
journal= {arXiv preprint arXiv:1807.07247},
year = {2018}
}