Skip to main content
SpringerLink
Log in

Pathologiespezifische Behandlung von Labelunsicherheit bei der Klassifikation von Thorax-Röntgenbildern

  • Conference paper
  • First Online:
Bildverarbeitung für die Medizin 2022

Part of the book series: Informatik aktuell ((INFORMAT))

  • 1504 Accesses

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.

This is a preview of subscription content, log in via an institution to check access.

Access this chapter

Log in via an institution
Chapter
USD 29.95
Price excludes VAT (USA)
  • Available as PDF
  • Read on any device
  • Instant download
  • Own it forever
eBook
USD 64.99
Price excludes VAT (USA)
  • Available as PDF
  • Read on any device
  • Instant download
  • Own it forever
Softcover Book
USD 84.99
Price excludes VAT (USA)
  • Compact, lightweight edition
  • Dispatched in 3 to 5 business days
  • Free shipping worldwide - see info

Tax calculation will be finalised at checkout

Purchases are for personal use only

Institutional subscriptions

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Literatur

  1. De Lacey G, Morley S, Berman L. The chest x-ray: a survival guide e-book. Elsevier Health Sciences, 2012.

    Google Scholar 

  2. 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.

    Google Scholar 

  3. 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.

    Google Scholar 

  4. 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.

    Google Scholar 

  5. 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.

    Google Scholar 

  6. 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.

    Google Scholar 

Download references

Author information

Authors and Affiliations

  1. Fakultät Elektrotechnik, Medien und Informatik, OTH Amberg-Weiden, Weiden, Deutschland

    Sebastian Steindl, Tatyana Ivanovska & Fabian Brunner

Authors
  1. Sebastian Steindl
    View author publications

    You can also search for this author in PubMed Google Scholar

  2. Tatyana Ivanovska
    View author publications

    You can also search for this author in PubMed Google Scholar

  3. Fabian Brunner
    View author publications

    You can also search for this author in PubMed Google Scholar

Corresponding author

Correspondence to Sebastian Steindl .

Editor information

Editors and Affiliations

  1. Medical Image Computing, E230, Deutsches Krebsforschungszentrum (DKFZ), Heidelberg, Deutschland

    Klaus Maier-Hein

  2. Peter L. Reichertz Institut für Medizinische Informatik der TU Braunschweig und der Medizinischen Hochschule Hannover, Braunschweig, Deutschland

    Thomas M. Deserno

  3. Institut für Medizinische Informatik, Universität zu Lübeck, Lübeck, Deutschland

    Heinz Handels

  4. Lehrstuhl für Mustererkennung, Friedrich-Alexander-Universität, Erlangen, Deutschland

    Andreas Maier

  5. Fakultät für Informatik und Mathematik, Ostbayerische Technische Hochschule Regensburg, Regensburg, Deutschland

    Christoph Palm

  6. Institut für Medizinische Informatik, Charité – Universitätsmedizin Berlin, Berlin, Deutschland

    Thomas Tolxdorff

Rights and permissions

Reprints and permissions

Copyright information

© 2022 Der/die Autor(en), exklusiv lizenziert an Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature

About this paper

Check for updates. Verify currency and authenticity via CrossMark

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

Publish with us

Policies and ethics

Search

Navigation