Improving Pediatric Pneumonia Diagnosis with Adult Chest X-ray Images Utilizing Contrastive Learning and Embedding Similarity

要約

成人の胸部 X 線 (CXR) 画像から肺炎を診断するディープラーニング ベースのコンピュータ支援診断 (CAD) 方法が進歩しているにもかかわらず、小児画像に適用される CAD 方法のパフォーマンスは依然として最適とは言えません。
注釈付きの小児画像データセット。
したがって、既存の成人の大規模 CXR データセットを活用するための適切なフレームワークを確立することで、小児肺炎の検出パフォーマンスを向上させることができます。
この論文では、成人と小児の両方のデータセットを利用して、小児のテスト データセットに対する深層学習モデルのパフォーマンスを向上させる、3 ブランチの並列パス学習ベースのフレームワークを提案します。
パスは、それぞれ小児のみ、成人のみ、および両方のタイプの CXR でトレーニングされます。
私たちが提案するフレームワークは、多重正の対比損失を利用してクラス別の埋め込みをクラスタリングし、これら 3 つの並列パス間の埋め込み類似性損失を利用して、クラス別の埋め込みを可能な限り近づけてドメイン シフトの影響を軽減します。
オープンアクセスの成人および小児 CXR データセットの実験評価では、提案された方法が両方のデータセットで結合トレーニングの従来のアプローチを使用して得られた 0.8348 と比較して、0.8464 という優れた AUROC スコアを達成することが示されています。
したがって、提案されたアプローチは、成人と小児の両方の年齢層に効果的な汎用 CAD モデルへの道を開きます。

要約(オリジナル)

Despite the advancement of deep learning-based computer-aided diagnosis (CAD) methods for pneumonia from adult chest x-ray (CXR) images, the performance of CAD methods applied to pediatric images remains suboptimal, mainly due to the lack of large-scale annotated pediatric imaging datasets. Establishing a proper framework to leverage existing adult large-scale CXR datasets can thus enhance pediatric pneumonia detection performance. In this paper, we propose a three-branch parallel path learning-based framework that utilizes both adult and pediatric datasets to improve the performance of deep learning models on pediatric test datasets. The paths are trained with pediatric only, adult only, and both types of CXRs, respectively. Our proposed framework utilizes the multi-positive contrastive loss to cluster the classwise embeddings and the embedding similarity loss among these three parallel paths to make the classwise embeddings as close as possible to reduce the effect of domain shift. Experimental evaluations on open-access adult and pediatric CXR datasets show that the proposed method achieves a superior AUROC score of 0.8464 compared to 0.8348 obtained using the conventional approach of join training on both datasets. The proposed approach thus paves the way for generalized CAD models that are effective for both adult and pediatric age groups.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google