Removing confounding information from fetal ultrasound images

要約

医用画像に埋め込まれたテキストまたはマーキングの形の交絡情報は、診断ディープ ラーニング アルゴリズムのトレーニングに深刻な影響を与える可能性があります。
ただし、臨床目的で収集されたデータには、そのようなマーキングが埋め込まれていることがよくあります。
皮膚科では、知られている例には、悪性病変の画像で過剰に表現されている図や定規が含まれます。
この論文では、胎児スクリーニングの超音波スキャンを含む全国データベースで見つかった画像に配置されたテキストとキャリパーに遭遇します。これらは、予測される標準的な平面と相関しています。
これらのデータベースで利用可能な膨大な量のデータを利用するために、標準的な平面分類をテストケースとして使用して、超音波用に設計された深層学習アルゴリズムに対する埋め込みテキストとキャリパーの交絡効果を最小限に抑えるための一連の方法を開発および検証します。

要約(オリジナル)

Confounding information in the form of text or markings embedded in medical images can severely affect the training of diagnostic deep learning algorithms. However, data collected for clinical purposes often have such markings embedded in them. In dermatology, known examples include drawings or rulers that are overrepresented in images of malignant lesions. In this paper, we encounter text and calipers placed on the images found in national databases containing fetal screening ultrasound scans, which correlate with standard planes to be predicted. In order to utilize the vast amounts of data available in these databases, we develop and validate a series of methods for minimizing the confounding effects of embedded text and calipers on deep learning algorithms designed for ultrasound, using standard plane classification as a test case.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google