基于可微 ROI 提议网络与软 ROI 池化的胸部 X 射线弱监督目标检测
计算机视觉与模式识别
2025-02-19 v1 机器学习
摘要
弱监督目标检测 (WSup-OD) 无需额外监督即可提升图像分类算法的实用性与可解释性。然而，由于医学图像中的对象（即病理特征）具有截然不同的特性，多实例学习在该任务上针对自然图像取得的成功难以直接迁移至医学图像。本文提出弱监督 ROI 提议网络 (WSRPN)，这是一种利用专用的感兴趣区域注意力 (ROI-attention) 模块即时生成边界框提议的新方法。WSRPN 能与经典的骨干 - 头部分类算法良好集成，且仅需图像级标签监督即可进行端到端训练。实验表明，在具有挑战性的胸部 X 射线疾病定位任务中，我们的新方法优于现有方法。代码地址：https://github.com/philip-mueller/wsrpn
引用
@article{arxiv.2402.11985,
title = {Weakly Supervised Object Detection in Chest X-Rays with Differentiable ROI Proposal Networks and Soft ROI Pooling},
author = {Philip Müller and Felix Meissen and Georgios Kaissis and Daniel Rueckert},
journal= {arXiv preprint arXiv:2402.11985},
year = {2025}
}