Robust Detection Outcome: A Metric for Pathology Detection in Medical Images

要約

病理の検出は医用画像における基本的なタスクであり、このタスクを自動的に実行できるアルゴリズムの評価は極めて重要である。しかし、現在の自然画像に対する物体検出の指標は、病理検出における臨床特有の要件を十分に反映しているとは言えない。この問題に対処するため、我々は、医療画像、特に胸部X線における病理検出のアルゴリズムを評価するための新しい指標であるRobust Detection Outcome (RoDeO)を提案します。RoDeOは、様々なエラーを直接かつ個別に評価し、現行の評価基準よりも臨床的なニーズを反映している。ChestX-ray8データセットでの広範な評価により、既存の評価指標と比較して、我々の評価指標が優れていることが示されました。コードを https://github.com/FeliMe/RoDeO で公開し、RoDeO を pip パッケージ (rodeometric) として公開しました。

要約(オリジナル)

Detection of pathologies is a fundamental task in medical imaging and the evaluation of algorithms that can perform this task automatically is crucial. However, current object detection metrics for natural images do not reflect the specific clinical requirements in pathology detection sufficiently. To tackle this problem, we propose Robust Detection Outcome (RoDeO); a novel metric for evaluating algorithms for pathology detection in medical images, especially in chest X-rays. RoDeO evaluates different errors directly and individually, and reflects clinical needs better than current metrics. Extensive evaluation on the ChestX-ray8 dataset shows the superiority of our metrics compared to existing ones. We released the code at https://github.com/FeliMe/RoDeO and published RoDeO as pip package (rodeometric).

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL