基于医学知识的深度课程学习用于改进骨折分类
计算机视觉与模式识别
2020-04-02 v1
摘要
当前基于深度学习的方法不易整合到临床流程中，也未能充分利用医学知识。在这项工作中，我们提出并比较了几种基于课程学习（curriculum learning）的策略，以支持从 X 射线图像对股骨近端骨折进行分类，这是一个具有挑战性的问题，现有专家内部与专家之间的一致性分歧反映了这一点。我们的策略源自医学决策树和多位专家标注中的不一致性等知识，这使我们能够为每個训练样本分配难度等级。我们证明，如果我们从学习“简单”样本开始并逐渐转向“困难”样本，模型可以达到更好的性能，即使使用更少的数据。评估是在约 1000 张 X 射线图像的临床数据集分类上进行的。我们的结果表明，与类均匀和随机策略相比，所提出的基于医学知识的课程学习在准确率方面高出多达 15%，达到了经验丰富的创伤外科医生的水平。
引用
@article{arxiv.2004.00482,
title = {Medical-based Deep Curriculum Learning for Improved Fracture Classification},
author = {Amelia Jiménez-Sánchez and Diana Mateus and Sonja Kirchhoff and Chlodwig Kirchhoff and Peter Biberthaler and Nassir Navab and Miguel A. González Ballester and Gemma Piella},
journal= {arXiv preprint arXiv:2004.00482},
year = {2020}
}
备注
MICCAI 2019