基于胸部 X 光的长尾多标签 thoracic 疾病分类与噪声标签处理
计算机视觉与模式识别
2023-11-30 v1
摘要
胸部 X 光（CXR）常揭示罕见疾病，要求精确诊断。然而，当前计算机辅助诊断（CAD）方法聚焦于常见疾病，因缺乏全面数据集导致对罕见病症检测不足。为克服此点，我们提出一种用于 CXR 中长尾多标签分类的新基准，涵盖常见与罕见胸部疾病。我们的方法包括构建“LTML-MIMIC-CXR”数据集，即在 MIMIC-CXR 上增补 26 种额外罕见疾病。我们针对该分类挑战提出一种基线方法，集成自适应负正则化以解决尾类中负 logits 的过度抑制，以及用于纠正自动标注噪声标签的大损失重考虑策略。在 LTML-MIMIC-CXR 上的评估显示罕见疾病检测取得显著进展。本工作为鲁棒 CAD 方法奠定基础，实现了 CXR 中一系列胸部疾病识别的平衡。我们的代码与数据集访问地址：https://github.com/laihaoran/LTML-MIMIC-CXR。
引用
@article{arxiv.2311.17334,
title = {Long-tailed multi-label classification with noisy label of thoracic diseases from chest X-ray},
author = {Haoran Lai and Qingsong Yao and Zhiyang He and Xiaodong Tao and S Kevin Zhou},
journal= {arXiv preprint arXiv:2311.17334},
year = {2023}
}