面向多标签 X 线片的深度度量学习
机器学习
2017-12-22 v1 计算机视觉与模式识别
摘要
许多放射学研究可揭示若干共存异常的存在，每一种都由不同的视觉模式表示。在本文中，我们解决为普通 X 线片学习距离度量的问题，该度量捕捉“放射学相似性”的概念：两张胸部 X 线片若共享相似异常则被视为相似。深度卷积神经网络（DCNs）被用于学习配备有所需度量的 X 线片的低维嵌入。提出了两种损失函数以处理多标签图像和潜在噪声标签。我们报告了一项涉及超过 745,000 张胸部 X 线片的大规模研究，其标签通过自然语言处理系统从自由文本放射学报告中自动提取。使用 4,500 份已验证检查，我们证明该方法在聚类和图像检索任务上表现令人满意。值得注意的是，所学度量将正常检查与具有放射学异常的检查分离开来。
引用
@article{arxiv.1712.07682,
title = {Deep metric learning for multi-labelled radiographs},
author = {Mauro Annarumma and Giovanni Montana},
journal= {arXiv preprint arXiv:1712.07682},
year = {2017}
}
备注
SAC 2018