我们如何驯服胸部 X 射线数据集的长尾？
图像与视频处理
2023-09-11 v1 计算机视觉与模式识别
摘要
胸部 X 射线（CXR）是一种用于推断大量异常的医学成像模态。尽管很难定义这些异常的详尽列表（它们可能在一张胸部 X 射线上共现），但其中少数异常相当常见，并在用于训练深度学习模型进行自动推断的 CXR 数据集中大量代表。然而，当前模型难以对罕见但可能高度重要的标签学习独立的判别特征。先前工作通过引入新颖损失函数或某种重采样与重加权数据的机制，关注多标签与长尾问题的结合。相反，我们提出仅通过为模型选择更接近目标数据集领域的初始化，即可实现显著的性能提升。该方法可补充现有文献提出的技术，并易于扩展到新标签。最后，我们还检验了合成生成数据以增强尾部标签的真实性，并分析其对改善模型性能的贡献。
引用
@article{arxiv.2309.04293,
title = {How Can We Tame the Long-Tail of Chest X-ray Datasets?},
author = {Arsh Verma},
journal= {arXiv preprint arXiv:2309.04293},
year = {2023}
}
备注
Extended Abstract presented at Computer Vision for Automated Medical Diagnosis Workshop at the International Conference on Computer Vision 2023, October 2nd 2023, Paris, France, & Virtual, https://cvamd2023.github.io, 7 pages