An Ordinal Regression Framework for a Deep Learning Based Severity Assessment for Chest Radiographs

要約

この研究では、胸部 X 線写真における疾患の重症度を分類するための順序回帰法の適用を調査します。
順序回帰問題をモデル、ターゲット関数、分類関数の 3 つの部分に分割するフレームワークを提案します。
ResNet50 および ViT-B-16 深層学習モデルを使用して、ワンホット、ガウス、プログレスバー、ソフトプログレスバーなどのさまざまなエンコード方法が適用されます。
エンコーディングの選択がパフォーマンスに大きな影響を及ぼし、最適なエンコーディングはコーエンのカッパの選択された重み付けと使用されるモデル アーキテクチャに依存することを示します。
私たちはコードを GitHub で公開しています。

要約(オリジナル)

This study investigates the application of ordinal regression methods for categorizing disease severity in chest radiographs. We propose a framework that divides the ordinal regression problem into three parts: a model, a target function, and a classification function. Different encoding methods, including one-hot, Gaussian, progress-bar, and our soft-progress-bar, are applied using ResNet50 and ViT-B-16 deep learning models. We show that the choice of encoding has a strong impact on performance and that the best encoding depends on the chosen weighting of Cohen’s kappa and also on the model architecture used. We make our code publicly available on GitHub.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google