使用 Aucmedi 框架对病毒性肺炎 X 射线图像进行分类
计算机视觉与模式识别
2021-10-05 v1
摘要
本工作中我们使用 AUCMEDI-Framework 训练深度神经网络,将胸部 X 射线图像分类为正常或病毒性肺炎。采用 k=3 的分层 k 折交叉验证生成验证集,并将 15% 的数据留出用于评估不同折及集成的模型。由不同折的预测构建随机森林集成与软多数投票集成。各折与集成的评估指标(分类报告、宏平均 f1 分数、混淆矩阵、ROC 曲线)显示分类器表现良好。最后应用 Grad-CAM 与 LIME 可解释人工智能(XAI)算法来可视化对预测最重要的图像特征。对于 Grad-CAM,还将三折的热图对所有图像取平均以计算平均 XAI 热图。由于多数图像不同折的热图仅略有差异,该平均过程效果良好。然而,仅有医学专业人员能评估 XAI 所标记特征的质量。将评估指标与 PCR 等标准程序的指标比较也很重要。进一步局限性亦被讨论。
引用
@article{arxiv.2110.01017,
title = {Classification of Viral Pneumonia X-ray Images with the Aucmedi Framework},
author = {Pia Schneider and Dominik Müller and Frank Kramer},
journal= {arXiv preprint arXiv:2110.01017},
year = {2021}
}
备注
7 pages, open manuscript, student submission