结构化数据集文档:CheXpert 的数据表
图像与视频处理
2021-05-10 v1 计算机视觉与模式识别
机器学习
摘要
全球每年拍摄数十亿张 X 射线图像。机器学习,尤其是深度学习,已展现出帮助放射科医生分诊和诊断图像的潜力。然而,深度学习需要带有可靠标签的大型数据集。CheXpert 数据集是在认证放射科医生的参与下创建的,从而产生了训练深度学习网络所需的强地面真值。遵循 Datasheets for Datasets 的结构化格式,本文在原始 CheXpert 论文及其他来源基础上进行扩展,展示了放射科医生在创建可靠标签中所起的关键作用,并详细描述了数据集构成的各个方面。此类结构化文档旨在提高机器学习和医学界对 CheXpert 的优势、应用及演进的认识,从而推动医学图像分析领域的发展。本文的另一目标是向社区提出该数据集数据表作为如何创建详细结构化数据集描述的范例。我们相信,清晰记录数据集的创建过程、内容和应用,可加速有用且可靠模型的创建。
引用
@article{arxiv.2105.03020,
title = {Structured dataset documentation: a datasheet for CheXpert},
author = {Christian Garbin and Pranav Rajpurkar and Jeremy Irvin and Matthew P. Lungren and Oge Marques},
journal= {arXiv preprint arXiv:2105.03020},
year = {2021}
}