Zusammenfassung
Die Interpretation von Thorax-Röntgenbildern ist ein zentraler, nicht-trivialer Bestandteil der Diagnose von Lungen- oder Herzkrankheiten. Bei der Erzeugung der Label, die zum Einsatz von überwachten Deep Learning Methoden notwendig sind, herrscht eine gewisse Unsicherheit, die in den Labeln festgehalten werden kann. In dieser Arbeit soll die pathologiespezifische Behandlung dieser Labelunsicherheit im Vordergrund stehen. Es konnte gezeigt werden, dass dieses Vorgehen den durchschnittlichen ROC-AUC bei mehreren Modellarchitekturen verbessert.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Literatur
De Lacey G, Morley S, Berman L. The chest x-ray: a survival guide e-book. Elsevier Health Sciences, 2012.
Wang X, Peng Y, Lu L, Lu Z, Bagheri M, Summers RM. Chestx-ray8: hospital-scale chest xray database and benchmarks onweakly-supervised classification and localization of common thorax diseases. Proc IEEE Comput Soc Conf Comput Vis Pattern Recognit. 2017:2097–106.
Bustos A, Pertusa A, Salinas JM, Iglesia-Vayá M de la. Padchest: a large chest x-ray image dataset with multi-label annotated reports. Med Image Anal. 2020;66:101797.
Irvin J, Rajpurkar P, Ko M, Yu Y, Ciurea-Ilcus S, Chute C et al. Chexpert: a large chest radiograph dataset with uncertainty labels and expert comparison. Proc Conf AAAI Artif Intell. Vol. 33. 2019:590–7.
Çallı E, Sogancioglu E, Ginneken B van, Leeuwen KG van, Murphy K. Deep learning for chest x-ray analysis: a survey. Med Image Anal. 2021:102125.
Pham HH, Le TT, Tran DQ, Ngo DT, Nguyen HQ. Interpreting chest X-rays via CNNs that exploit hierarchical disease dependencies and uncertainty labels. Neurocomputing. 2021;437:186–94.
Author information
Authors and Affiliations
Corresponding author
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 2022 Der/die Autor(en), exklusiv lizenziert an Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature
About this paper
Cite this paper
Steindl, S., Ivanovska, T., Brunner, F. (2022). Pathologiespezifische Behandlung von Labelunsicherheit bei der Klassifikation von Thorax-Röntgenbildern. In: Maier-Hein, K., Deserno, T.M., Handels, H., Maier, A., Palm, C., Tolxdorff, T. (eds) Bildverarbeitung für die Medizin 2022. Informatik aktuell. Springer Vieweg, Wiesbaden. https://doi.org/10.1007/978-3-658-36932-3_63
Download citation
DOI: https://doi.org/10.1007/978-3-658-36932-3_63
Published:
Publisher Name: Springer Vieweg, Wiesbaden
Print ISBN: 978-3-658-36931-6
Online ISBN: 978-3-658-36932-3
eBook Packages: Computer Science and Engineering (German Language)