论自动化 X 射线预测中跨域泛化的局限
图像与视频处理
2020-05-26 v2 机器学习
定量方法
机器学习
摘要
这项大规模研究聚焦于量化哪些 X 射线诊断预测任务能在多个不同数据集间良好泛化。我们提出证据表明，泛化问题并非源于图像的分布偏移，而是标签的分布偏移。我们研究了跨域表现、模型间一致性以及模型表征。我们发现表现与一致性之间存在有趣的不一致：两个均取得良好表现的模型在预测上并不一致，而某些一致的模型却表现不佳。我们还通过对网络进行正则化以将多个数据集上的任务分组来检验概念相似性，并观察到任务间的变化。所有代码已在线发布，数据公开可用：https://github.com/mlmed/torchxrayvision
引用
@article{arxiv.2002.02497,
title = {On the limits of cross-domain generalization in automated X-ray prediction},
author = {Joseph Paul Cohen and Mohammad Hashir and Rupert Brooks and Hadrien Bertrand},
journal= {arXiv preprint arXiv:2002.02497},
year = {2020}
}
备注
Full paper at MIDL2020