基于属性推理辅助的计算机辅助结核病诊断
计算机视觉与模式识别
2022-07-04 v1
摘要
尽管深度学习算法已得到深入开发用于计算机辅助结核病诊断（CTD），但它们主要依赖精细标注的数据集，导致大量时间与资源消耗。弱监督学习（WSL）利用粗粒度标签完成细粒度任务，有潜力解决该问题。本文中，我们首先提出一个新的大规模结核病（TB）胸部 X 光数据集，即结核病胸部 X 光属性数据集（TBX-Att），随后建立一种属性辅助的弱监督框架，通过利用属性信息克服 WSL 场景中监督不足的问题，对 TB 进行分类与定位。具体而言，首先，TBX-Att 数据集包含 2000 张 X 光图像，具有七类用于 TB 关系推理的属性，由经验丰富的放射科医生标注；其还包含公开的 TBX11K 数据集（11200 张 X 光图像）以促进弱监督检测。其次，我们利用多尺度特征交互模型进行带属性关系推理的 TB 区域分类与检测。所提模型在 TBX-Att 数据集上评估，并将作为未来研究的坚实基线。代码与数据将发布于 https://github.com/GangmingZhao/tb-attribute-weak-localization。
引用
@article{arxiv.2207.00251,
title = {Computer-aided Tuberculosis Diagnosis with Attribute Reasoning Assistance},
author = {Chengwei Pan and Gangming Zhao and Junjie Fang and Baolian Qi and Jiaheng Liu and Chaowei Fang and Dingwen Zhang and Jinpeng Li and Yizhou Yu},
journal= {arXiv preprint arXiv:2207.00251},
year = {2022}
}
备注
Provisionally Accepted for Medical Image Computing and Computer Assisted Interventions 2022 (MICCAI 2022). arXiv admin note: text overlap with arXiv:2010.04483