胸部X線データセットのドメインシフト検証，Can we trust deep learning based diagnosis? The impact of domain shift in chest radiograph classification
Can we trust deep learning based diagnosis? The impact of domain shift in chest radiograph classification
- paper
- https://arxiv.org/abs/1909.01940
- Eduardo H. P. Pooch, Pedro L. Ballester, Rodrigo C. Barros
- github
- データセット
- ChestX-ray14, CheXpert, MIMIC-CXR, PadChest
- project
まとめ
- どんなもの？
- 先行研究と比べてどこがすごい？
- 同様の研究はない
- 技術や手法のキモはどこ？
- どうやって有効だと検証した？
- 議論はある？
- CheXpertとMIMIC-CXRはピクセル輝度の分布が近いが，それ以外のデータセットは異なる
- CheXpertとMIMIC-CXRは変動が少ない．PadChestとChestX-ray14は自身のtest setが最もよく，他のデータセットでは落ちる
- ChestX-ray14のlabelerはその信頼性に疑問があり，[17]はラベルが画像の内容を適切に表していないとしている
- CheXpertとMIMIC-CXRは他２つのテストセットに対しても上手くいっている．逆は成り立たない
- ドメインシフトの影響を事前に減らすためのvalidation方法として，小さいデータセットを，モデルを利用する予定の特定のマシンから作成して，大規模データセットで事前訓練してからその小さいデータでfine-tuneすることを提案している
- 次に読むべき論文は？
- [18]
- Rajpurkar, P., Irvin, J., Zhu, K., Yang, B., Mehta, H., Duan, T., Ding, D., Bagul, A., Langlotz, C., Shpanskaya, K., et al.: Chexnet: Radiologist-level pneumonia de-tection on chest x-rays with deep learning. arXiv preprint arXiv:1711.05225 (2017)
- Chexnet．本論文で実験に使用したモデル
- Rajpurkar, P., Irvin, J., Zhu, K., Yang, B., Mehta, H., Duan, T., Ding, D., Bagul, A., Langlotz, C., Shpanskaya, K., et al.: Chexnet: Radiologist-level pneumonia de-tection on chest x-rays with deep learning. arXiv preprint arXiv:1711.05225 (2017)
- [17]
- Oakden-Rayner, L.: Exploring large scale public medical image datasets. Tech. rep., The University of Adelaide (2019), https://arxiv.org/pdf/1907.12720.pdf
- ChestX-ray14のラベルが画像の内容を表していないとしている報告
- Oakden-Rayner, L.: Exploring large scale public medical image datasets. Tech. rep., The University of Adelaide (2019), https://arxiv.org/pdf/1907.12720.pdf
- [18]
- その他
