人群对医学图像的分歧具有信息量
计算机视觉与模式识别
2018-08-20 v2
摘要
用于医学图像分析的分类器通常基于专家或众包标注者给出的标签组合，以单一共识标签进行训练。然而，标注者之间的分歧可能具有信息量，因此去除分歧或许并非最佳策略。作为概念验证，我们基于 ISIC 2017 数据集中病灶视觉特征的众包标注，预测皮肤病变是否为黑色素瘤。我们比较了使用均值标注（体现共识）与标准差及其他分布矩（体现分歧）的情况。我们表明均值标注表现最佳，但分歧度量仍具信息量。我们还将本文使用的众包标注发布于 \url{https://figshare.com/s/5cbbce14647b66286544}。
引用
@article{arxiv.1806.08174,
title = {Crowd disagreement about medical images is informative},
author = {Veronika Cheplygina and Josien P. W. Pluim},
journal= {arXiv preprint arXiv:1806.08174},
year = {2018}
}
备注
Accepted for publication at MICCAI LABELS 2018