量化侧位视图在胸部 X 光深度学习中的价值
图像与视频处理
2020-02-10 v1 计算机视觉与模式识别
机器学习
机器学习
摘要
大多数胸部 X 光预测的深度学习模型由于其他视图的缺乏而仅利用后前位（PA）视图。PadChest 是一个大规模胸部 X 光数据集，具有近 200 个标签与多种可用视图。在本工作中，我们使用 PadChest 探索多种融合 PA 与侧位视图以预测与 X 光图像相关的放射学标签的方法。我们发现不同的模型融合方法对侧位视图的利用方式不同。我们还发现，包含侧位视图使数据集中 32 个标签的性能得到提升，而对其他标签无影响。整体性能的提升幅度与仅使用 PA 视图且训练集患者数量翻倍时所获得的提升相当。
引用
@article{arxiv.2002.02582,
title = {Quantifying the Value of Lateral Views in Deep Learning for Chest X-rays},
author = {Mohammad Hashir and Hadrien Bertrand and Joseph Paul Cohen},
journal= {arXiv preprint arXiv:2002.02582},
year = {2020}
}
备注
Under review at MIDL 2020