用于医学图像识别的局部对比学习
计算机视觉与模式识别
2023-03-27 v1 机器学习
摘要
基于深度学习（DL）的放射影像分析方法的激增，引发了对专家标注放射学数据的巨大需求。近期的自监督框架通过从关联的放射学报告中获取监督信号，缓解了专家标注的需求。然而，这些框架难以区分医学图像中不同病理之间的细微差异。此外，它们中许多不提供图像区域与文本之间的解释，使放射科医生难以评估模型预测。在本工作中，我们提出局部区域对比学习（LRCLR），一种灵活的微调框架，增加了用于显著图像区域选择的层以及跨模态交互的层。我们在胸部 X 光外部验证集上的结果表明，LRCLR 能识别显著的局部图像区域，并针对放射学文本提供有意义的解释，同时在多项胸部 X 光医学发现上提升了零样本性能。
引用
@article{arxiv.2303.14153,
title = {Local Contrastive Learning for Medical Image Recognition},
author = {S. A. Rizvi and R. Tang and X. Jiang and X. Ma and X. Hu},
journal= {arXiv preprint arXiv:2303.14153},
year = {2023}
}
备注
10 pages, 5 figures, 1 table, AMIA conference submission