用于胸部 X 光分类的工具变量学习
图像与视频处理
2023-05-23 v1 计算机视觉与模式识别
摘要
胸部 X 光（CXR）常用于诊断胸部疾病，但由于病理之间关系的复杂性，通过该方法实现准确自动诊断的挑战依然存在。近年来，人们提出了多种基于深度学习的方法来应对此问题，但诸如图像分辨率或噪声问题之类的混杂因素常损害模型性能。本文关注胸部 X 光分类任务，提出了一种可解释的工具变量（IV）学习框架，以消除虚假关联并获得准确的因果表示。具体而言，我们首先为任务构建结构因果模型（SCM）并学习混杂因素与 IV 的初步表示，随后利用电子健康记录（EHR）作为辅助信息，并将上述特征与我们基于 transformer 的语义融合模块相融合，使 IV 具有医学语义。同时，通过相关因果变量间互信息的约束进一步保证 IV 的可靠性。最后，我们使用 MIMIC-CXR、NIH ChestX-ray 14 和 CheXpert 数据集证明了我们方法的性能，并取得了有竞争力的结果。
引用
@article{arxiv.2305.12070,
title = {Instrumental Variable Learning for Chest X-ray Classification},
author = {Weizhi Nie and Chen Zhang and Dan song and Yunpeng Bai and Keliang Xie and Anan Liu},
journal= {arXiv preprint arXiv:2305.12070},
year = {2023}
}