放射学报告标注器质量对胸片解读深度学习模型的影响
图像与视频处理
2021-11-30 v3 计算机视觉与模式识别
机器学习
摘要
尽管用于胸片解读的深度学习模型通常使用自动放射学报告标注器生成的标签进行训练，但报告标注改进对胸片分类模型性能的影响尚未得到系统研究。我们首先在从放射学报告中提取准确胸片图像标签的任务上比较了 CheXpert、CheXbert 和 VisualCheXbert 标注器，报告表明 VisualCheXbert 标注器优于 CheXpert 和 CheXbert 标注器。接下来，在最大的胸片数据集之一上使用不同放射学报告标注器生成的标签训练图像分类模型后，我们表明，使用 VisualCheXbert 标注器标签训练的图像分类模型优于使用 CheXpert 和 CheXbert 标注器标签训练的图像分类模型。我们的工作表明，近期放射学报告标注的改进可转化为更高性能的胸片分类模型的开发。
引用
@article{arxiv.2104.00793,
title = {Effect of Radiology Report Labeler Quality on Deep Learning Models for Chest X-Ray Interpretation},
author = {Saahil Jain and Akshay Smit and Andrew Y. Ng and Pranav Rajpurkar},
journal= {arXiv preprint arXiv:2104.00793},
year = {2021}
}
备注
In Neural Information Processing Systems (NeurIPS) Workshop on Data-Centric AI (DCAI)