ENHANCE（通过众包与专家标注丰富健康数据）：以皮肤病变分类为例
计算机视觉与模式识别
2021-12-28 v2 人机交互
机器学习
摘要
我们提出 ENHANCE，一个带有多重标注的开放数据集，用以补充现有的 ISIC 与 PH2 皮肤病变分类数据集。该数据集包含来自非专家标注源的视觉 ABC（不对称、边界、颜色）特征标注：本科生、来自 Amazon MTurk 的众包工作者以及经典图像处理算法。本文首先分析这些标注与病变诊断标签之间的相关性，并研究不同标注源之间的一致性。总体而言，我们发现非专家标注与诊断标签相关性较弱，且不同标注源之间一致性较低。随后我们研究以这些标注作为附加标签的多任务学习（MTL），并表明非专家标注可通过 MTL 改进（集成）最先进的卷积神经网络。我们希望该数据集能用于多重标注和/或 MTL 的进一步研究。所有数据与模型均发布于 Github：https://github.com/raumannsr/ENHANCE。
引用
@article{arxiv.2107.12734,
title = {ENHANCE (ENriching Health data by ANnotations of Crowd and Experts): A case study for skin lesion classification},
author = {Ralf Raumanns and Gerard Schouten and Max Joosten and Josien P. W. Pluim and Veronika Cheplygina},
journal= {arXiv preprint arXiv:2107.12734},
year = {2021}
}
备注
Accepted for publication at the Journal of Machine Learning for Biomedical Imaging (MELBA) https://www.melba-journal.org