这篇论文介绍了在CVPR上罕见的使用医疗数据的研究，特别是针对肺结核的诊断。研究者创建了一个大规模的TBX11K肺部X射线图像数据集，包含健康、活动性肺结核、潜伏性肺结核和非肺结核四种类别，并用边界框标注了肺结核区域。他们改造了SSD、RetinaNet、Faster-RCNN和FCOS等对象检测器，进行同时的图像分类和肺结核区域检测。实验结果显示，Faster-RCNN和SSD在性能上表现优异。
在cvpr上少见的使用medical data的paper
Contributions
-
收集了新的很大的TB dataset：Tuberculosis X-ray (TBX11K) dataset，包括：
11200 X-ray Images
Image-level annotation + TB area annotation using bounding boxes
Image-level annotations include 4 classes: healthy, active TB, latent TB, & unhealthy but non-TB -
Reform existing object detectors to perform simultaneous image classification and TB area detection (SSD, RetinaNet, Faster-RCNN, FCOS)，并定义了classification 和 detection 的 metrics。 作为dataset的baselines
Methods
-
the classification branch learns to classify X-rays into 3 classes: healthy, sick but non-TB, and TB
evaluation metrics: accuracy, auc, sensitivity… -
the detection branch learns to detect TBs with 3 classes: active TB, la
最低0.47元/天 解锁文章
扫一扫
1389
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
