基于多关系图学习的专家不确定性与严重程度感知胸部X光分类
计算机视觉与模式识别
2023-09-08 v1 图像与视频处理
摘要
接受胸部X光（CXR）检查的患者常患有多种肺部疾病。在评估患者状况时，由于复杂的病理、图像中不同肺部病变的细微纹理变化以及患者状况差异，即使经过长期临床训练与专业指导，放射科医生仍可能做出不确定的判断，这给基于CXR报告提取疾病标签带来了大量噪声。在本文中，我们通过考虑分类中的疾病严重程度与不确定性，重新从CXR报告中提取疾病标签以使其更贴近现实。我们的贡献如下：1. 我们通过一种基于规则的方法，结合与临床专家讨论确定的关键词，重新提取了带有严重程度与不确定性的疾病标签。2. 为进一步提升胸部X光诊断的可解释性，我们设计了一种带有专家不确定性感知损失函数的多关系图学习方法。3. 我们的多关系图学习方法还能够解释疾病分类结果。实验结果表明，考虑疾病严重程度与不确定性的模型优于以往的state-of-the-art方法。
引用
@article{arxiv.2309.03331,
title = {Expert Uncertainty and Severity Aware Chest X-Ray Classification by Multi-Relationship Graph Learning},
author = {Mengliang Zhang and Xinyue Hu and Lin Gu and Liangchen Liu and Kazuma Kobayashi and Tatsuya Harada and Ronald M. Summers and Yingying Zhu},
journal= {arXiv preprint arXiv:2309.03331},
year = {2023}
}