論文の概要: Knowledge Distillation with Adaptive Asymmetric Label Sharpening for
Semi-supervised Fracture Detection in Chest X-rays
- arxiv url: http://arxiv.org/abs/2012.15359v2
- Date: Tue, 16 Feb 2021 00:48:04 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-18 07:15:19.469274
- Title: Knowledge Distillation with Adaptive Asymmetric Label Sharpening for
Semi-supervised Fracture Detection in Chest X-rays
- Title(参考訳): 胸部X線半監督破壊検出のための適応的非対称ラベルシャーニングによる知識蒸留
- Authors: Yirui Wang, Kang Zheng, Chi-Tung Chang, Xiao-Yun Zhou, Zhilin Zheng,
Lingyun Huang, Jing Xiao, Le Lu, Chien-Hung Liao, Shun Miao
- Abstract要約: 高性能コンピュータ支援診断(cad)モデルのトレーニングに利用可能な医療記録を活用する。
これまでの方法では、医療記録における低疾患の頻度を考慮せず、医療記録から示される画像レベルの診断を活用できなかった。
医療記録から抽出した大規模画像レベルラベルを効果的に活用する新しい知識蒸留法を提案する。
- 参考スコア(独自算出の注目度): 20.878741070685468
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Exploiting available medical records to train high performance computer-aided
diagnosis (CAD) models via the semi-supervised learning (SSL) setting is
emerging to tackle the prohibitively high labor costs involved in large-scale
medical image annotations. Despite the extensive attentions received on SSL,
previous methods failed to 1) account for the low disease prevalence in medical
records and 2) utilize the image-level diagnosis indicated from the medical
records. Both issues are unique to SSL for CAD models. In this work, we propose
a new knowledge distillation method that effectively exploits large-scale
image-level labels extracted from the medical records, augmented with limited
expert annotated region-level labels, to train a rib and clavicle fracture CAD
model for chest X-ray (CXR). Our method leverages the teacher-student model
paradigm and features a novel adaptive asymmetric label sharpening (AALS)
algorithm to address the label imbalance problem that specially exists in
medical domain. Our approach is extensively evaluated on all CXR (N = 65,845)
from the trauma registry of anonymous hospital over a period of 9 years
(2008-2016), on the most common rib and clavicle fractures. The experiment
results demonstrate that our method achieves the state-of-the-art fracture
detection performance, i.e., an area under receiver operating characteristic
curve (AUROC) of 0.9318 and a free-response receiver operating characteristic
(FROC) score of 0.8914 on the rib fractures, significantly outperforming
previous approaches by an AUROC gap of 1.63% and an FROC improvement by 3.74%.
Consistent performance gains are also observed for clavicle fracture detection.
- Abstract(参考訳): 半教師付き学習(ssl)設定による高機能cadモデルのトレーニングに利用可能な医療記録を活用することで,大規模医用画像アノテーションに関わる労働コストの削減が図られている。
sslが広く注目されているにもかかわらず,1)医療記録における疾患の頻度が低いこと,2)医療記録から示される画像レベルの診断を活用できなかった。
どちらもCADモデルのSSL特有の問題である。
そこで本研究では,医療記録から抽出した大規模画像レベルラベルを,専門的アノテートされた地域レベルラベルで拡張した知識蒸留法を提案し,胸部X線(CXR)のリブおよび鎖骨骨折CADモデルを訓練した。
本手法は教師-学生モデルパラダイムを活用し,医学領域に特有なラベル不均衡問題に対処する適応型非対称ラベルシャープニング(AALS)アルゴリズムを特徴とする。
本手法は,無名病院の外傷登録簿から得られたすべてのcxr (n = 65,845) において,リブと鎖骨骨折の9年間 (2008-2016) にわたって広範囲に評価された。
その結果,AUROC 1.63% と FROC 3.74% の差で従来よりも大幅に向上し,0.9318 のレシーバ動作特性曲線(AUROC) と0.8914 のフリー応答受信動作特性(FROC) スコア(FROC) が得られた。
鎖骨骨折の検出には一貫した性能向上が観察される。
関連論文リスト
- Effective-LDAM: An Effective Loss Function To Mitigate Data Imbalance for Robust Chest X-Ray Disease Classification [0.02609206307458148]
E-LDAM(Effective-Label Distribution Aware Margin)と呼ばれるアルゴリズム中心のアプローチを提案する。
E-LDAMは,各クラスで有効なサンプル数を用いて,広く採用されているラベル分布認識マージン(LDAM)損失関数のマージンを変更する。
実験の結果,E-LDAM法の有効性が示され,マイノリティクラスでは97.81%という顕著なリコールスコアが得られた。
論文 参考訳(メタデータ) (2024-07-06T04:24:07Z) - Deep Reinforcement Learning Framework for Thoracic Diseases
Classification via Prior Knowledge Guidance [49.87607548975686]
関連疾患に対するラベル付きデータの不足は、正確な診断にとって大きな課題となる。
本稿では,診断エージェントの学習を指導するための事前知識を導入する,新しい深層強化学習フレームワークを提案する。
提案手法の性能はNIHX-ray 14とCheXpertデータセットを用いて実証した。
論文 参考訳(メタデータ) (2023-06-02T01:46:31Z) - Semantic Latent Space Regression of Diffusion Autoencoders for Vertebral
Fracture Grading [72.45699658852304]
本稿では,教師なし特徴抽出器として生成拡散オートエンコーダモデルを訓練するための新しい手法を提案する。
フラクチャーグレーディングを連続回帰としてモデル化し, フラクチャーのスムーズな進行を反映した。
重要なことに,本手法の創成特性は,与えられた脊椎の様々な段階を可視化し,自動グルーピングに寄与する特徴を解釈し,洞察することを可能にする。
論文 参考訳(メタデータ) (2023-03-21T17:16:01Z) - Learning to diagnose cirrhosis from radiological and histological labels
with joint self and weakly-supervised pretraining strategies [62.840338941861134]
そこで本稿では, 放射線学者が注釈付けした大規模データセットからの転写学習を活用して, 小さい付加データセットで利用できる組織学的スコアを予測することを提案する。
我々は,肝硬変の予測を改善するために,異なる事前訓練法,すなわち弱い指導法と自己指導法を比較した。
この方法は、METAVIRスコアのベースライン分類を上回り、AUCが0.84、バランスの取れた精度が0.75に達する。
論文 参考訳(メタデータ) (2023-02-16T17:06:23Z) - Faint Features Tell: Automatic Vertebrae Fracture Screening Assisted by
Contrastive Learning [11.944282446506396]
長期の脊椎骨折は患者の生活の質に深刻な影響を与え、気胸、腰椎変形、さらには麻痺を引き起こしている。
特に、深層学習モデルや経験の浅い医師では、軽度の骨折と正常なコントロールを区別することは極めて困難である。
そこで本研究では,CTスキャンを用いてGenentの脊椎骨折度を推定するための教師付きコントラスト学習ベースモデルを提案する。
両分類では99%,感度は85%,マクロF1は77%であった。
論文 参考訳(メタデータ) (2022-08-23T02:39:08Z) - Interpretable Vertebral Fracture Quantification via Anchor-Free
Landmarks Localization [0.04925906256430176]
椎体圧迫骨折は骨粗しょう症の早期徴候である。
3次元CT画像に椎体を局在させる新しい2段階アルゴリズムを提案する。
そして、個々の椎骨を検出し、同時に2Dで骨折を定量化する。
論文 参考訳(メタデータ) (2022-04-14T08:31:25Z) - Variational Knowledge Distillation for Disease Classification in Chest
X-Rays [102.04931207504173]
我々は,X線に基づく疾患分類のための新しい確率的推論フレームワークである反復的知識蒸留(VKD)を提案する。
提案手法の有効性を,X線画像とEHRを用いた3つの公開ベンチマークデータセットに示す。
論文 参考訳(メタデータ) (2021-03-19T14:13:56Z) - Automated Detection of Coronary Artery Stenosis in X-ray Angiography
using Deep Neural Networks [0.0]
X線冠動脈造影画像からの狭窄検出を部分的に自動化する2段階のディープラーニングフレームワークを提案する。
左/右冠動脈角ビューの分類作業において0.97の精度を達成し、LCAとRCAの関心領域の決定について0.68/0.73のリコールを行った。
論文 参考訳(メタデータ) (2021-03-04T11:45:54Z) - Many-to-One Distribution Learning and K-Nearest Neighbor Smoothing for
Thoracic Disease Identification [83.6017225363714]
ディープラーニングは、病気の識別性能を改善するための最も強力なコンピュータ支援診断技術となった。
胸部X線撮影では、大規模データの注釈付けには専門的なドメイン知識が必要で、時間を要する。
本論文では、単一モデルにおける疾患同定性能を改善するために、複数対1の分布学習(MODL)とK-nearest neighbor smoothing(KNNS)手法を提案する。
論文 参考訳(メタデータ) (2021-02-26T02:29:30Z) - Grading Loss: A Fracture Grade-based Metric Loss for Vertebral Fracture
Detection [58.984536305767996]
自動椎骨骨折検出のための表現学習型アプローチを提案する。
本稿では,Genantのフラクチャーグレーディングスキームを尊重する,学習表現のための新しいGrading Lossを提案する。
一般に利用可能なスピーンデータセットでは、提案された損失関数が81.5%のフラクチャー検出F1スコアを達成する。
論文 参考訳(メタデータ) (2020-08-18T10:03:45Z) - Keypoints Localization for Joint Vertebra Detection and Fracture
Severity Quantification [0.04925906256430176]
椎体圧迫骨折は骨粗しょう症の早期徴候である。
3次元CT画像に椎体を局在させる新しい2段階アルゴリズムを提案する。
我々は同時に個々の椎骨を検出し、2Dで骨折を定量化する。
論文 参考訳(メタデータ) (2020-05-25T08:05:27Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。