A Semantically-Aware Relevance Measure for Content-Based Medical Image Retrieval Evaluation

要約

コンテンツベースの画像検索（CBIR）のパフォーマンス評価は、特に医療ドメインで今日では重要ではあるが未解決の問題のままです。
この問題を解決するために、文献ではさまざまな評価指標が議論されています。
既存のメトリックのほとんど（例：精度、リコール）は、グラウンドトゥルースとしてマニュアルラベルを必要とする分類タスクから採用されています。
ただし、そのようなラベルは多くの場合、高価であり、特定のテーマドメインでは利用できません。
さらに、医療画像は通常、（放射線学的）症例報告に関連付けられているか、文献図に記述的なキャプションが注釈されています。そのようなテキストには、CBIRの評価に役立つ情報が含まれています。テキストに隠された医療概念はCBIR評価の目的の基礎として役立つと主張しています。
ただし、これらの作品は、これらの医療概念を独立した孤立したラベルと見なすことがよくありますが、実際にはさまざまな概念間の微妙な関係は無視されています。
この作業では、知識グラフの使用を導入して、さまざまな医療概念間の距離を測定し、CBIRの評価のための新しい関連性尺度を提案します。

要約(オリジナル)

Performance evaluation for Content-Based Image Retrieval (CBIR) remains a crucial but unsolved problem today especially in the medical domain. Various evaluation metrics have been discussed in the literature to solve this problem. Most of the existing metrics (e.g., precision, recall) are adapted from classification tasks which require manual labels as ground truth. However, such labels are often expensive and unavailable in specific thematic domains. Furthermore, medical images are usually associated with (radiological) case reports or annotated with descriptive captions in literature figures, such text contains information that can help to assess CBIR.Several researchers have argued that the medical concepts hidden in the text can serve as the basis for CBIR evaluation purpose. However, these works often consider these medical concepts as independent and isolated labels while in fact the subtle relationships between various concepts are neglected. In this work, we introduce the use of knowledge graphs to measure the distance between various medical concepts and propose a novel relevance measure for the evaluation of CBIR by defining an approximate matching-based relevance score between two sets of medical concepts which allows us to indirectly measure the similarity between medical images.We quantitatively demonstrate the effectiveness and feasibility of our relevance measure using a public dataset.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google