用于肺部超声严重程度评分改进的弱监督对比学习
图像与视频处理
2022-01-20 v1 计算机视觉与模式识别
机器学习
摘要
随着 COVID-19 大流行的爆发，超声已成为患者床旁监测的有效工具。因此，大量肺部超声扫描数据得以提供，可用于基于 AI 的诊断和分析。已有若干基于 AI 的患者严重程度评分模型被提出，它们依赖于对超声扫描外观的评分。AI 模型使用基于标准化视觉特征手动标注的超声外观严重程度分数进行训练。我们解决了视频片段中每一超声帧标注的难题。我们的对比学习方法将视频片段的严重程度标签视为各帧的含噪弱严重程度标签，因此仅需视频级标签。我们表明其性能优于传统的基于交叉熵损失的训练。我们结合帧严重程度预测给出视频严重程度预测，并表明在融合公共与私有来源的大型数据集上，基于帧的模型取得了与基于视频的 TSM 模型相当的性能。
引用
@article{arxiv.2201.07357,
title = {Weakly Supervised Contrastive Learning for Better Severity Scoring of Lung Ultrasound},
author = {Gautam Rajendrakumar Gare and Hai V. Tran and Bennett P deBoisblanc and Ricardo Luis Rodriguez and John Michael Galeotti},
journal= {arXiv preprint arXiv:2201.07357},
year = {2022}
}
备注
Under Review for MIDL 2022 conference