Weakly Supervised Object Detection in Chest X-Rays with Differentiable ROI Proposal Networks and Soft ROI Pooling

要約

弱監視オブジェクト検出 (WSup-OD) は、追加の監視を必要とせずに、画像分類アルゴリズムの有用性と解釈可能性を高めます。
ただし、自然画像に対するこのタスクでの複数インスタンス学習の成功は、オブジェクトの特性 (つまり、病理) が大きく異なるため、医療画像にはうまく変換されません。
この研究では、弱教師付き ROI プロポーザル ネットワーク (WSRPN) を提案します。これは、特殊な関心領域 (ROI アテンション) モジュールを使用して、バウンディング ボックスの提案をオンザフライで生成するための新しい方法です。
WSRPN は、従来のバックボーンヘッド分類アルゴリズムと適切に統合されており、画像ラベルの監視のみでエンドツーエンドのトレーニングが可能です。
私たちは、胸部X線画像における疾患の位置特定という困難なタスクにおいて、私たちの新しい方法が既存の方法よりも優れていることを実験的に示しています。
コード: https://github.com/philip-mueller/wsrpn

要約(オリジナル)

Weakly supervised object detection (WSup-OD) increases the usefulness and interpretability of image classification algorithms without requiring additional supervision. The successes of multiple instance learning in this task for natural images, however, do not translate well to medical images due to the very different characteristics of their objects (i.e. pathologies). In this work, we propose Weakly Supervised ROI Proposal Networks (WSRPN), a new method for generating bounding box proposals on the fly using a specialized region of interest-attention (ROI-attention) module. WSRPN integrates well with classic backbone-head classification algorithms and is end-to-end trainable with only image-label supervision. We experimentally demonstrate that our new method outperforms existing methods in the challenging task of disease localization in chest X-ray images. Code: https://github.com/philip-mueller/wsrpn

arxiv情報

提供元, 利用サービス

arxiv.jp, Google