基于多评分者共识建模的难度感知青光眼分类
计算机视觉与模式识别
2020-07-30 v1
摘要
医学图像在确定最终金标准标签之前通常由多位专家标注。专家对单张图像的一致或分歧反映了该图像的可分级性与难度水平。然而，在用于模型训练时，仅利用了最终金标准标签，而原始多评分者分级中所包含的关于该图像属于易/难样本的关键信息被丢弃。本文旨在利用原始多评分者分级来提升深度学习模型在青光眼分类任务上的性能。具体而言，提出一种多分支模型结构，用于预测输入图像的最敏感、最特异以及平衡融合结果。为鼓励敏感分支与特异分支对共识标签生成一致结果、对分歧标签生成相反结果，提出一种共识损失来约束两分支的输出。同时，两分支预测结果之间的一致/不一致暗示了该图像属于易/难样本，并进一步用于鼓励平衡融合分支更加关注难样本。与仅使用最终金标准标签训练的模型相比，所提出的利用多评分者共识信息的方法取得了更优性能，并且能够在预测时估计单张输入图像的难度水平。
引用
@article{arxiv.2007.14848,
title = {Difficulty-aware Glaucoma Classification with Multi-Rater Consensus Modeling},
author = {Shuang Yu and Hong-Yu Zhou and Kai Ma and Cheng Bian and Chunyan Chu and Hanruo Liu and Yefeng Zheng},
journal= {arXiv preprint arXiv:2007.14848},
year = {2020}
}