Image Quality-aware Diagnosis via Meta-knowledge Co-embedding

要約

タイトル：メタ知識共通埋め込みを利用した画像品質に敏感な診断

要約：
– クリニックで使用される医療画像は、画像劣化によって深層学習ベースモデルの性能が低下することが一般的である。
– 問題を解決するため、以前の多くの研究は、劣化を引き起こす低品質の画像を除外することに重点を置いてきたが、その潜在的な価値をモデルに利用することを無視している。
– 劣化の知識を効果的に学習・活用することで、モデルはその悪影響に耐えうるようになり、誤診を避けることができる。
– 本研究は、低品質の画像と品質ラベルを利用してより正確で堅牢な診断を達成することを目的とする画像品質に敏感な診断の問題を提起する。
– ただし、品質評価と疾患診断の目標が表面的に無関係であるため、品質ラベルを診断に役立てることはかなり困難である。
– このため、本研究では、Task NetとMeta Learnerから構成される革新的なメタ知識共通埋め込みネットワークを提案する。
– Task Netは明示的な品質情報利用メカニズムを構築し、知識共通埋め込み特徴を強化することによって診断精度を向上させます。
– 一方、Meta Learnerは、メタ学習とジョイントエンコーディングマスキングによって、これらの特徴の効果を保証し、その意味を制約することができます。
– 4つの広く使用されている医療画像モダリティの5つのデータセットでの優れたパフォーマンスは、私たちの方法の有効性と汎用性を証明しています。

要約(オリジナル)

Medical images usually suffer from image degradation in clinical practice, leading to decreased performance of deep learning-based models. To resolve this problem, most previous works have focused on filtering out degradation-causing low-quality images while ignoring their potential value for models. Through effectively learning and leveraging the knowledge of degradations, models can better resist their adverse effects and avoid misdiagnosis. In this paper, we raise the problem of image quality-aware diagnosis, which aims to take advantage of low-quality images and image quality labels to achieve a more accurate and robust diagnosis. However, the diversity of degradations and superficially unrelated targets between image quality assessment and disease diagnosis makes it still quite challenging to effectively leverage quality labels to assist diagnosis. Thus, to tackle these issues, we propose a novel meta-knowledge co-embedding network, consisting of two subnets: Task Net and Meta Learner. Task Net constructs an explicit quality information utilization mechanism to enhance diagnosis via knowledge co-embedding features, while Meta Learner ensures the effectiveness and constrains the semantics of these features via meta-learning and joint-encoding masking. Superior performance on five datasets with four widely-used medical imaging modalities demonstrates the effectiveness and generalizability of our method.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI