基于beta-变分自编码器隐变量的胸部X光图像分类

胸部X光（CXR）是全球日常临床实践中最常用的诊断技术之一。我们在此提出一项工作，旨在调查和分析使用深度学习（DL）技术从此类图像中提取信息并对其进行分类，力求使我们的方法尽可能通用，并可能在未来以较小代价应用于真实场景。为此，我们在CheXpert数据集（最大的公开标记CXR图像集合之一）上训练了多个beta-变分自编码器（beta-VAE）模型；从这些模型中提取隐变量特征，并用于训练其他机器学习模型，使其能够根据beta-VAE提取的特征对原始图像进行分类。最后，将基于树的模型通过集成组合在一起，无需进一步训练或模型工程即可改善结果。尽管预期相对于最先进的专用分类模型在纯性能上会有所下降，我们获得了令人鼓舞的结果，表明了我们方法的可行性以及自编码器提取的高层特征用于分类任务的可用性。