基于内容感知风格不变模型学习泛化至未见域的胸部X光疾病检测

由于分布差异导致的性能退化是智能影像中一个长期存在的挑战，尤其是对于胸部X光（CXRs）而言。近期研究表明，卷积神经网络（CNNs）偏向于风格（例如无信息纹理）而非内容（例如形状），这与人类视觉系统形成鲜明对比。放射科医生倾向于从CXR中学习视觉线索，因而在多个域上表现良好。受此启发，我们在图像（SRM-IL）和特征（SRM-FL）两个层级上采用新颖的即时风格随机化模块，在保持内容完整的同时创建丰富的风格扰动特征，以实现鲁棒的交叉域性能。先前的方法通过插值或从已有数据交换风格来构建新风格以模拟未见域，使其在训练时受限于可用的源域。然而，SRM-IL从CXR图像的可能取值范围内采样风格统计量，而非从训练数据中采样，从而实现更多样化的增强。此外，与将预定义的通道均值和标准差作为风格嵌入相比，我们在SRM-FL中使用了逐像素可学习参数，以捕捉更具代表性的风格特征。另外，我们利用同一CXR的风格扰动版本与非扰动版本在全局语义特征和预测分布上的一致性正则化，来调整模型对内容标记的敏感性以实现准确预测。我们提出的方法在CheXpert和MIMIC-CXR数据集上训练，在未见域测试数据集BRAX、VinDr-CXR和NIH chest X-ray14上分别取得了77.32$\pm$0.35、88.38$\pm$0.19、82.63$\pm$0.13的AUC(%)，而最先进模型在五折交叉验证下分别为75.56$\pm$0.80、87.57$\pm$0.46、82.07$\pm$0.19，且在胸部疾病分类上具有统计显著性。