重新思考并重新标注 LIDC-IDRI 以实现鲁棒肺癌预测
图像与视频处理
2022-07-29 v1 计算机视觉与模式识别
摘要
LIDC-IDRI 数据库是肺癌预测中最流行的基准。然而，由于放射科医生的主观评估，LIDC 中的结节可能与病理真实情况具有完全不同的恶性标注，从而在训练时引入标注分配错误和随后的监督偏差。因此，LIDC 数据库需要更客观的标注以用于基于学习的癌症预测。基于一个包含 180 个经病理检查诊断结节的额外小数据集，我们提出重新标注 LIDC 数据，以在这个鲁棒基准上减轻原始标注偏差的影响。我们在本文中证明，通过基于度量学习的相似结节检索来提供新标注将是一种有效的重新标注策略。在这些重新标注的 LIDC 结节上训练可提升模型性能，当加入不确定结节的新标注时性能进一步增强。我们进一步推断，重新标注 LIDC 当前是鲁棒肺癌预测的权宜之计，而构建一个大型病理证实的结节数据库则提供长期解决方案。
引用
@article{arxiv.2207.14238,
title = {Re-thinking and Re-labeling LIDC-IDRI for Robust Pulmonary Cancer Prediction},
author = {Hanxiao Zhang and Xiao Gu and Minghui Zhang and Weihao Yu and Liang Chen and Zhexin Wang and Feng Yao and Yun Gu and Guang-Zhong Yang},
journal= {arXiv preprint arXiv:2207.14238},
year = {2022}
}