TriAug: Out-of-Distribution Detection for Robust Classification of Imbalanced Breast Lesion in Ultrasound

要約

乳房病変の組織学的サブタイプなど、さまざまな病気の発生率は大きく異なります。
相当量の分布内 (ID) データを使用してトレーニングされた場合でも、モデルは臨床現実では目に見えないクラスに属する分布外 (OOD) サンプルに遭遇することがよくあります。
これに対処するために、乳房超音波画像のロングテール OOD 検出タスクに基づいて構築された新しいフレームワークを提案します。
期待できる OOD 検出パフォーマンスを維持しながら、ID 分類精度を向上させるトリプレット状態拡張 (TriAug) が搭載されています。
一方、クラスの不均衡の問題を処理するために、平衡球損失を設計しました。

要約(オリジナル)

Different diseases, such as histological subtypes of breast lesions, have severely varying incidence rates. Even trained with substantial amount of in-distribution (ID) data, models often encounter out-of-distribution (OOD) samples belonging to unseen classes in clinical reality. To address this, we propose a novel framework built upon a long-tailed OOD detection task for breast ultrasound images. It is equipped with a triplet state augmentation (TriAug) which improves ID classification accuracy while maintaining a promising OOD detection performance. Meanwhile, we designed a balanced sphere loss to handle the class imbalanced problem.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google