在有限X射线数据集上以精度导航局限：一种细粒度集成方法用于腕部病理识别
计算机视觉与模式识别
2024-12-19 v1
摘要
近年来，自动化腕部骨折识别的研究引起了广泛关注。在实际医疗场景中，医生和外科医生可能缺乏准确解读X射线所需的专业知识，这凸显了机器视觉提高诊断准确性的必要性。然而，传统识别技术在分类腕部病理时难以辨别X射线中的细微差异，因为许多病理（如骨折）可能很小且难以区分。本研究将腕部病理识别视为细粒度视觉识别（FGVR）问题，使用反映真实医疗限制的有限定制数据集，仅依赖图像级标注。我们引入了一种基于FGVR的专门集成方法，用于识别X射线中的判别性区域。我们采用称为Grad-CAM的可解释AI（XAI）技术来定位这些区域。我们的集成方法优于许多传统SOTA和FGVR技术，强调了我们的策略在提高腕部病理识别准确性方面的有效性。
引用
@article{arxiv.2412.13884,
title = {Navigating limitations with precision: A fine-grained ensemble approach to wrist pathology recognition on a limited x-ray dataset},
author = {Ammar Ahmed and Ali Shariq Imran and Mohib Ullah and Zenun Kastrati and Sher Muhammad Daudpota},
journal= {arXiv preprint arXiv:2412.13884},
year = {2024}
}