用于胸部X射线图像分类的自监督课程深度学习
图像与视频处理
2023-01-26 v1 计算机视觉与模式识别
摘要
深度学习技术已经展现出从医学影像数据（如胸部X射线图像）构建诊断支持系统的高度潜力。然而，医疗领域标注数据的匮乏是缩小其与其他图像域应用性能差距的关键障碍。在本工作中，我们研究了针对Covid-19患者胸部X射线图像的肺炎识别，课程式自监督学习（SSL）预训练方案相较于全监督训练机制的优势。我们表明，利用无标注数据的课程式SSL预训练优于从头训练的模型或在ImageNet上预训练的模型，表明在大规模无标注数据集上通过SSL预训练获得性能提升的潜力。最后，我们证明性能最佳的SSL预训练模型在肺部区域表现出更高程度的注意力，体现了可能对边训练数据集中先前工作已识别的潜在外部混杂因素更鲁棒的模型。
引用
@article{arxiv.2301.10687,
title = {Self-Supervised Curricular Deep Learning for Chest X-Ray Image Classification},
author = {Iván de Andrés Tamé and Kirill Sirotkin and Pablo Carballeira and Marcos Escudero-Viñolo},
journal= {arXiv preprint arXiv:2301.10687},
year = {2023}
}