DINO-CXR：一种基于视觉变换器的胸片分类自监督方法
图像与视频处理
2023-08-02 v1 计算机视觉与模式识别
机器学习
摘要
标注胸部X光数据集的有限可用性是医学影像方法开发中的重大瓶颈。自监督学习（SSL）可通过在未标注数据上训练模型来缓解此问题。此外，自监督预训练在自然图像视觉识别中已取得可喜成果，但在医学图像分析中未受足够重视。本工作中，我们提出一种自监督方法 DINO-CXR，它是对基于视觉变换器的自监督方法 DINO 的新颖适配，用于胸部X光分类。我们进行了比较分析以展示所提方法在肺炎和 COVID-19 检测上的有效性。通过定量分析还表明，所提方法在准确率上优于 SOTA 方法，并在 AUC 和 F-1 分数上取得可比结果，同时所需标注数据显著更少。
引用
@article{arxiv.2308.00475,
title = {DINO-CXR: A self supervised method based on vision transformer for chest X-ray classification},
author = {Mohammadreza Shakouri and Fatemeh Iranmanesh and Mahdi Eftekhari},
journal= {arXiv preprint arXiv:2308.00475},
year = {2023}
}