利用可变元数据解耦条件对比学习的前列腺病灶检测
计算机视觉与模式识别
2023-08-21 v1 机器学习
摘要
前列腺癌的早期诊断对有效治疗至关重要。多参数磁共振图像（mp-MRI）被广泛用于病灶检测。前列腺影像报告和数据系统（PI-RADS）通过定义病灶恶性程度评分规范了前列腺 MRI 的解读。PI-RADS 数据易于从放射报告中获取，但存在较高的报告间变异性。我们提出了一种新的对比损失函数，其利用每个样本含多位标注者的弱元数据，并通过定义元数据置信度来利用报告间变异性。通过将不同置信度的元数据与未标注数据结合到单一条件对比损失函数中，我们在公开 PI-CAI 挑战数据集上报告了病灶检测 AUC 提升 3%。代码见：https://github.com/camilleruppli/decoupled_ccl
引用
@article{arxiv.2308.09542,
title = {Decoupled conditional contrastive learning with variable metadata for prostate lesion detection},
author = {Camille Ruppli and Pietro Gori and Roberto Ardon and Isabelle Bloch},
journal= {arXiv preprint arXiv:2308.09542},
year = {2023}
}
备注
Accepted at MILLanD workshop (MICCAI)