去除胎儿超声图像中的混杂信息
计算机视觉与模式识别
2023-03-27 v1 机器学习
摘要
以嵌入医学图像中的文字或标记形式存在的混杂信息会严重影响诊断深度学习算法的训练。然而，为临床目的收集的数据常嵌入此类标记。在皮肤病学中，已知例子包括恶性病变图像中过度出现的绘图或标尺。本文中，我们遇到含胎儿筛查超声扫描的全国数据库图像上放置的文字与卡尺，其与待预测的标准平面相关。为利用这些数据库中大量可用数据，我们开发并验证了一系列方法，以最小化嵌入文字与卡尺对面向超声的深度学习算法的混杂效应，并以标准平面分类为测试用例。
引用
@article{arxiv.2303.13918,
title = {Removing confounding information from fetal ultrasound images},
author = {Kamil Mikolaj and Manxi Lin and Zahra Bashir and Morten Bo Søndergaard Svendsen and Martin Tolsgaard and Anders Nymark and Aasa Feragen},
journal= {arXiv preprint arXiv:2303.13918},
year = {2023}
}
备注
Fetal ultrasound, confounders, shortcut learning