自监督与多任务学习：胸部 X 光细粒度 COVID-19 多分类中的挑战
图像与视频处理
2022-06-28 v2 计算机视觉与模式识别
机器学习
摘要
快速准确的诊断对于减轻 COVID-19 感染的影响至关重要，尤其是重症病例。人们已投入巨大努力开发深度学习方法，从胸部放射影像中分类和检测 COVID-19 感染。然而，近期围绕此类方法的临床可行性与有效性出现了一些质疑。在本工作中，我们研究了多任务学习（分类与分割）对 CNN 区分肺部不同表现 COVID-19 感染能力的影响。我们还采用自监督预训练方法，即 MoCo 与 inpainting-CXR，以消除 COVID-19 分类对昂贵真值标注的依赖。最后，我们对模型进行了批判性评估，以衡量其部署就绪程度，并深入剖析从胸部 X 光进行细粒度 COVID-19 多分类的困难。
引用
@article{arxiv.2201.06052,
title = {Self-Supervision and Multi-Task Learning: Challenges in Fine-Grained COVID-19 Multi-Class Classification from Chest X-rays},
author = {Muhammad Ridzuan and Ameera Ali Bawazir and Ivo Gollini Navarette and Ibrahim Almakky and Mohammad Yaqub},
journal= {arXiv preprint arXiv:2201.06052},
year = {2022}
}
备注
Accepted to Conference on Medical Image Understanding and Analysis (MIUA) 2022