Annotating Ambiguous Images: General Annotation Strategy for Image Classification with Real-World Biomedical Validation on Vertebral Fracture Diagnosis

要約

厳選されたデータセット内の分類問題を解決する方法は多数存在しますが、データの偏りや曖昧な性質により、これらのソリューションは生物医学用途では不十分なことがよくあります。
これらの困難は、臨床的に認められている Genant スコアの重要な要素である脊椎データから身長の減少を推測する場合に特に顕著です。
半教師あり学習、提案の使用、クラスブレンディングなどの戦略はある程度の解決策を提供する可能性がありますが、明確で優れた解決策は依然として見つかりません。
本稿では、これらの問題に対処するための一般的な戦略のフローチャートを紹介します。
300,000 を超える注釈を含む椎骨骨折データセットを構築することにより、この戦略の適用を実証します。
この研究により、分類問題を臨床的に意味のあるスコアに移行することが容易になり、椎骨高さの減少についての理解が深まります。

要約(オリジナル)

While numerous methods exist to solve classification problems within curated datasets, these solutions often fall short in biomedical applications due to the biased or ambiguous nature of the data. These difficulties are particularly evident when inferring height reduction from vertebral data, a key component of the clinically-recognized Genant score. Although strategies such as semi-supervised learning, proposal usage, and class blending may provide some resolution, a clear and superior solution remains elusive. This paper introduces a flowchart of general strategy to address these issues. We demonstrate the application of this strategy by constructing a vertebral fracture dataset with over 300,000 annotations. This work facilitates the transition of the classification problem into clinically meaningful scores and enriches our understanding of vertebral height reduction.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google