改进基于 CNN 的胸片诊断的技巧与诀窍：一项综述
图像与视频处理
2021-06-03 v1 计算机视觉与模式识别
摘要
卷积神经网络（CNNs）本质上需要大规模数据，而胸片（CXR）图像往往数据/标注稀缺，导致过拟合。因此，基于我们的开发经验与相关工作，本文全面介绍了提升 CXR 诊断泛化能力的技巧：如何（i）利用额外数据，（ii）增广/蒸馏数据，（iii）正则化训练，以及（iv）进行高效分割。作为基于此类优化技术的开发示例，我们还展示了 LPIXEL 基于 CNN 的 CXR 解决方案 EIRL Chest Nodule，其将放射科医生/非放射科医生的结节检测灵敏度分别提升了 0.100/0.131，同时保持了特异性。
引用
@article{arxiv.2106.00997,
title = {Tips and Tricks to Improve CNN-based Chest X-ray Diagnosis: A Survey},
author = {Changhee Han and Takayuki Okamoto and Koichi Takeuchi and Dimitris Katsios and Andrey Grushnikov and Masaaki Kobayashi and Antoine Choppin and Yutaka Kurashina and Yuki Shimahara},
journal= {arXiv preprint arXiv:2106.00997},
year = {2021}
}
备注
7 pages, 2 figures, to be published in Japanese Journal of Medical Imaging and Information Sciences