Computer-aided Tuberculosis Diagnosis with Attribute Reasoning Assistance

要約

コンピュータ支援結核診断（CTD）のために深層学習アルゴリズムが集中的に開発されているが、それらは主に注意深くアノテーションされたデータセットに依存し、多くの時間とリソースを消費することになる。粗視化されたラベルを活用して細粒度のタスクを達成する弱教師付き学習（WSL）は、この問題を解決する可能性を持っている。本論文では、まず、新しい大規模結核胸部X線データセット、すなわち、結核胸部X線属性データセット（TBX-Att）を提案し、次に、WSLシナリオにおける監督の不十分さを克服するために、属性情報を活用して結核を分類・局在化する属性支援弱教師ありフレームワークを確立する。具体的には、まず、TBX-Attデータセットには、経験豊富な放射線科医がアノテーションした7種類の結核関係推論用属性を持つ2000枚のX線画像が含まれています。また、弱教師付き検出を容易にするために、11200枚のX線画像を持つ公開データセットTBX11Kを含む。第二に、属性関係推論を用いた結核領域の分類・検出のためのマルチスケール特徴量相互作用モデルを利用する。提案モデルはTBX-Attデータセットで評価され、将来の研究のための強固なベースラインとして機能する予定である。コードとデータは https://github.com/GangmingZhao/tb-attribute-weak-localization で公開される予定である。

要約(オリジナル)

Although deep learning algorithms have been intensively developed for computer-aided tuberculosis diagnosis (CTD), they mainly depend on carefully annotated datasets, leading to much time and resource consumption. Weakly supervised learning (WSL), which leverages coarse-grained labels to accomplish fine-grained tasks, has the potential to solve this problem. In this paper, we first propose a new large-scale tuberculosis (TB) chest X-ray dataset, namely the tuberculosis chest X-ray attribute dataset (TBX-Att), and then establish an attribute-assisted weakly-supervised framework to classify and localize TB by leveraging the attribute information to overcome the insufficiency of supervision in WSL scenarios. Specifically, first, the TBX-Att dataset contains 2000 X-ray images with seven kinds of attributes for TB relational reasoning, which are annotated by experienced radiologists. It also includes the public TBX11K dataset with 11200 X-ray images to facilitate weakly supervised detection. Second, we exploit a multi-scale feature interaction model for TB area classification and detection with attribute relational reasoning. The proposed model is evaluated on the TBX-Att dataset and will serve as a solid baseline for future research. The code and data will be available at https://github.com/GangmingZhao/tb-attribute-weak-localization.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL