Wir freuen uns, unseren Beitrag zum Data Curation and Augmentation in Medical Imaging Workshop (DCAMI) im Rahmen der IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2024 in Seattle, USA, ankündigen zu können. Herzlichen Glückwunsch an die Autoren!
Distribution-Aware Multi-Label FixMatch on CheXpert. Sontje Ihler, Felix Kuhnke, Timo Kuhlgatz, Thomas Seel
Der Schwerpunkt der Arbeit ist Semi-Supervised Learning (SSL) für die Diagnose von Röntgenbildern. SSL ist das kombinierte Lernen aus annotierten und nicht-annotierten Daten und eine gute Strategie für die Automatisierung der medizinischen Bildanalyse, da oft große Mengen an Bildern vorliegen, es aber zu teuer und zeitaufwendig ist, diese alle von medizinischem Fachpersonal annotieren zu lassen. Leider ist das Gebiet der Multi-Label-SSL bisher nur sehr unzureichend erforscht. Unserem Team ist es gelungen, die wohl populärste SSL-Methode (FixMatch) für Multilabel-Probleme zu erweitern und damit eine sehr einfache und damit vielversprechende Multilabel-SSL-Strategie zu präsentieren.
Wir danken dem gesamten Team, insbesondere Sontje, für die engagierte Arbeit an diesem Projekt. Eure Zusammenarbeit und harte Arbeit hat eine entscheidende Rolle für diesen Erfolg gespielt.
Weitere Infos findet ihr hier:
https://dca-in-mi.github.io/
https://cvpr.thecvf.com/