OXnet:基于全监督的胸片胸部疾病检测
计算机视觉与模式识别
2021-07-09 v2
摘要
胸部 X 光(CXR)是最典型的用于筛查各类胸部疾病的诊断性 X 光检查。自动从 CXR 中定位病灶有望减轻放射科医师的阅读负担。然而,CXR 数据集通常带有大量图像级标注与稀缺的病灶级标注,且更常见的是无任何标注。迄今为止,统一不同监督粒度以开发胸部疾病检测算法尚未被全面解决。在本文中,我们提出 OXnet,据我们所知这是首个深度全监督(omni-supervised)胸部疾病检测网络,其尽可能利用所有可用监督进行 CXR 诊断。我们首先通过单阶段检测模型引入监督学习。随后,我们向检测模型注入一个全局分类头,并提出双重注意力对齐以引导全局梯度至局部检测分支,从而能够从图像级标注学习病灶检测。我们还通过全局原型对齐施加类内紧致性与类间可分性,以进一步增强全局信息学习。此外,我们利用软 focal 损失来蒸馏由教师模型生成的未标注数据的软伪标签。在大规模胸部 X 光数据集上的大量实验表明,所提出的 OXnet 以显著优势优于竞争方法。进一步,我们考察了不同标注粒度下的全监督,并证实 OXnet 是缓解医学图像诊断中标注匮乏困境的有前景的选择。
引用
@article{arxiv.2104.03218,
title = {OXnet: Omni-supervised Thoracic Disease Detection from Chest X-rays},
author = {Luyang Luo and Hao Chen and Yanning Zhou and Huangjing Lin and Pheng-Ann Pheng},
journal= {arXiv preprint arXiv:2104.03218},
year = {2021}
}
备注
Accepted to MICCAI2021. Code is available at https://github.com/LLYXC/OXnet