[논문 리뷰] TorchXRayVision: A library of chest X-ray datasets and models

Joseph Cohen, Joseph D. Viviano외 9명|arXiv (Cornell University)|2021. 10. 31.

COVID-19 diagnosis using AI참고 문헌 30인용 수 37

한 줄 요약

TorchXRayVision은 여러 흉부 X선 데이터 세트와 모델에 대한 접근을 표준화하는 오픈 소스 Python 라이브러리로, 재현 가능한 기준선, 특징 추출, 그리고 데이터 세트 간 공변량-시프트 분석을 가능하게 합니다.

ABSTRACT

TorchXRayVision is an open source software library for working with chest X-ray datasets and deep learning models. It provides a common interface and common pre-processing chain for a wide set of publicly available chest X-ray datasets. In addition, a number of classification and representation learning models with different architectures, trained on different data combinations, are available through the library to serve as baselines or feature extractors.

연구 동기 및 목표

• 가 reproducible 연구와 일관된 기준선을 가능하게 하는 흉부 X선 데이터 세트와 모델에 대한 공통 인터페이스를 갖춘 재사용 가능한 프레임워크를 제공합니다.
• 빠른 기준선 비교 및 전이 학습을 위한 사전 학습 모델과 특징 추출기를 제공합니다.
• 표준화된 데이터 처리 및 처리 절차를 통해 모델 평가, 일반화 연구 및 실패 분석을 용이하게 합니다.

제안 방법

• 데이터 세트와 모델 간의 명확한 분리를 갖춘 객체 지향 설계.
• 일관된 입력/출력 인터페이스를 갖춘 핵심 분류기와 기준선 분류기.
• 병용 라벨과 메타데이터를 포함한 공통 필드를 가진 데이터 세트 클래스와 재레이블링, 필터링 및 병합 도구.
• 모델 학습 해상도 및 픽셀 값 범위 [-1024, 1024]에 맞추어 입력을 정렬하는 이미지 전처리.
• 다운스트림 작업을 위한 잠재 표현 생성을 위한 오토인코더 및 특징 추출 지원.
• 데이터 세트 간 일반화 연구를 위한 공변량-시프트 시뮬레이션 도구.

실험 결과

연구 질문

• RQ1 공통 인터페이스를 교체할 때 다양한 공개 데이터 세트 간 흉부 X선 모델이 얼마나 잘 일반화됩니까?
• RQ2 사전 학습된 모델이 서로 다른 흉부 X선 작업에서 신뢰할 수 있는 기준선 또는 특징 추출기로 작동할 수 있습니까?
• RQ3 공변량 시프트가 모델 성능과 속성화에 미치는 영향은 무엇이며, TorchXRayVision을 사용하여 어떻게 연구하거나 완화할 수 있습니까?
• RQ4 단일 데이터 세트 프로토콜이 다수 데이터 세트에 걸친 재현 가능한 모델 평가, 데이터 융합 및 하위집합 분석을 어떻게 가능하게 합니까?

주요 결과

• 자동 입력 리사이징 및 표준 전처리로 데이터 세트와 모델을 교환하는 통합 API를 제공합니다.
• 가중치 지정이 쉽고 사전 학습 가중치를 다운로드 가능한 핵심 분류기와 기준선 모델을 포함합니다.
• 모델과 데이터 세트 간 표현의 특징 추출 및 시각화(예: UMAP)를 지원합니다.
• 비지도 표현 및 재구성 기반 분석을 위한 오토인코더를 제공합니다.
• 데이터 세트 간 분포 시프트를 시뮬레이션하여 강건성 테스트를 위한 공변량-시프트 도구를 구현합니다.
• 데이터 세트 재레이블링, 병합, 하위집합 추출 및 병리학/해상도 마스크를 다루는 유틸리티를 포함합니다.