Pathologiespezifische Behandlung von Labelunsicherheit bei der Klassifikation von Thorax-Röntgenbildern

Sebastian Steindl, Tatyana Ivanovska, Fabian Brunner

Abstract: Die Interpretation von Thorax-Röntgenbildern ist ein zentraler, nicht-trivialer Bestandteil der Diagnose von Lungen- oder Herzkrankheiten. Bei der Erzeugung der Label, die zum Einsatz von überwachten Deep Learning Methoden notwendig sind, herrscht eine gewisse Unsicherheit, die in den Labeln festgehalten werden kann. In dieser Arbeit soll die pathologiespezifische Behandlung dieser Labelunsicherheit im Vordergrund stehen. Es konnte gezeigt werden, dass dieses Vorgehen den durchschnittlichen ROC-AUC bei mehreren Modellarchitekturen verbessert.