[論文レビュー] TorchXRayVision: A library of chest X-ray datasets and models

Joseph Cohen, Joseph D. Viviano+9 more|arXiv (Cornell University)|Oct 31, 2021

COVID-19 diagnosis using AI参考文献 30被引用数 37

ひとこと要約

TorchXRayVisionは、複数の胸部X線データセットとモデルへのアクセスを標準化するオープンソースのPythonライブラリで、データセット間で再現可能なベースライン、特徴抽出、および共変量シフト分析を可能にします。

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.

研究の動機と目的

• 胸部X線データセットとモデルのための共通インターフェースを備えた再利用可能なフレームワークを提供し、再現性のある研究と一貫したベースラインを実現する。
• 迅速なベースライン比較と転移学習のための事前トレーニング済みモデルと特徴抽出器を提供する。
• 標準化されたデータ処理と取り扱いを通じて、モデル評価、一般化研究、失敗の分析を促進する。

提案手法

• データセットとモデルの間に明確な分離を備えたオブジェクト指向設計。
• 一様な入力/出力インターフェースを備えたコア分類器とベースライン分類器。
• 共通フィールド（病変、ラベル、メタデータ）を持つデータセットクラスと、再ラベリング、フィルタリング、結合のためのツール。
• 入力をモデルのトレーニング解像度と画素値範囲 [-1024, 1024] に合わせて前処理。
• 潜在表現を生成するためのオートエンコーダと特徴抽出をサポートして、下流タスクに活用。
• データセット間の一般化を研究するための共変量シフトシミュレーションツール。

実験結果

リサーチクエスチョン

• RQ1 共通インターフェースを介して交換されたとき、さまざまな公開データセット間で胸部X線モデルはどれくらい一般化するのか。
• RQ2 事前トレーニング済みモデルは、異なる胸部X線タスク間で信頼できるベースラインまたは特徴抽出器となり得るのか。
• RQ3 共変量シフトがモデルの性能と帰属に与える影響は何か、そしてそれをTorchXRayVisionを用いていかに研究・軽減できるのか。
• RQ4 統一されたデータセットプロトコルは、複数データセットにまたがる再現可能なモデル評価、データ統合、サブセット分析をどのように可能にするのか。

主な発見

• データセットとモデルを自動入力リサイズと標準前処理で入れ替える統一APIを提供。
• ウェイト指定が容易でダウンロード可能な事前トレーニング済みウェイトを備えたコア分類器とベースラインモデルを含む。
• モデルとデータセットを横断して表現の特徴抽出と可視化（例：UMAP）をサポート。
• 教師なし表現と再構成ベースの分析のためのオートエンコーダを提供。
• データセット間の分布シフトをシミュレートする共変量シフトツールを実装して、ロバスト性を検証。
• 病変/セマンティックマスクを用いたセグメンテーション作業のためのデータセット再ラベリング、結合、サブセット化、取り扱いのユーティリティを含む。