CXR-LT 2024：MICCAI 挑战中的胸 X 光长尾、多标签和零样本疾病分类
计算机视觉与模式识别
2025-06-10 v1 机器学习
摘要
CXR-LT 系列是由社区驱动的倡议，旨在使用胸 X 光 (CXR) 增强肺部疾病分类。它解决了开放式长尾肺部疾病分类中的挑战，并提升了对最先进技术的可衡量性。第一届 CXR-LT 2023 旨在通过提供高质量的 CXR 数据为模型开发和全面评估服务，识别影响肺部疾病分类性能的持续性问题。建设在 CXR-LT 2023 成功基础上，CXR-LT 2024 将数据集扩大至 377,110 张胸 X 光 (CXRs) 和 45 个疾病标签，包括 19 个新的罕见疾病表现。它还引入了新的焦点——零样本学习，以解决前一届事件中识别的局限性。具体而言，CXR-LT 2024 包含三个任务：(i) 在大规模噪声测试集上的长尾分类；(ii) 在手动标注的“黄金标准”子集上的长尾分类；(iii) 对五个以前未见的疾病表现进行零样本泛化。本文概述了 CXR-LT 2024，详细阐述了数据 curated 过程，并综合了最先进的解决方案，包括使用多模态模型检测罕见疾病、处理噪声标签的先进生成方法以及针对未见疾病的零样本学习策略。此外，扩大的数据集增强了疾病覆盖范围，更好地代表了真实世界临床环境，为未来研究提供了宝贵资源。通过综合参赛团队的见解与创新，我们旨在推动开发临床上真实且可泛化的胸部 X 光诊断模型。
引用
@article{arxiv.2506.07984,
title = {CXR-LT 2024: A MICCAI challenge on long-tailed, multi-label, and zero-shot disease classification from chest X-ray},
author = {Mingquan Lin and Gregory Holste and Song Wang and Yiliang Zhou and Yishu Wei and Imon Banerjee and Pengyi Chen and Tianjie Dai and Yuexi Du and Nicha C. Dvornek and Yuyan Ge and Zuowei Guo and Shouhei Hanaoka and Dongkyun Kim and Pablo Messina and Yang Lu and Denis Parra and Donghyun Son and Álvaro Soto and Aisha Urooj and René Vidal and Yosuke Yamagishi and Zefan Yang and Ruichi Zhang and Yang Zhou and Leo Anthony Celi and Ronald M. Summers and Zhiyong Lu and Hao Chen and Adam Flanders and George Shih and Zhangyang Wang and Yifan Peng},
journal= {arXiv preprint arXiv:2506.07984},
year = {2025}
}
备注
17 pages, 3 figures