DINO-CXR: A self supervised method based on vision transformer for chest X-ray classification

要約

ラベル付き胸部 X 線データセットの利用可能性が限られていることが、医療画像法の開発における重大なボトルネックとなっています。
自己教師あり学習 (SSL) では、ラベルのないデータでモデルをトレーニングすることで、この問題を軽減できます。
さらに、自己教師あり事前トレーニングは、自然画像の視覚認識では有望な結果をもたらしていますが、医療画像分析ではあまり考慮されていません。
この研究では、胸部 X 線分類用のビジョン トランスフォーマーに基づく自己教師あり手法 DINO を新たに応用した自己教師あり手法 DINO-CXR を提案します。
比較分析を実行して、肺炎と COVID-19 の両方の検出に対する提案された方法の有効性を示します。
定量分析を通じて、提案された方法が精度の点で最先端の方法を上回り、必要なラベル付きデータが大幅に少なくなりながら、AUC および F-1 スコアの点で同等の結果を達成できることも示されています。

要約(オリジナル)

The limited availability of labeled chest X-ray datasets is a significant bottleneck in the development of medical imaging methods. Self-supervised learning (SSL) can mitigate this problem by training models on unlabeled data. Furthermore, self-supervised pretraining has yielded promising results in visual recognition of natural images but has not been given much consideration in medical image analysis. In this work, we propose a self-supervised method, DINO-CXR, which is a novel adaptation of a self-supervised method, DINO, based on a vision transformer for chest X-ray classification. A comparative analysis is performed to show the effectiveness of the proposed method for both pneumonia and COVID-19 detection. Through a quantitative analysis, it is also shown that the proposed method outperforms state-of-the-art methods in terms of accuracy and achieves comparable results in terms of AUC and F-1 score while requiring significantly less labeled data.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google