跳到正文
arXiv · 机器人与计算机视觉· Yihang Fu, Xinyu Liu, Qing Xu, Xiaofeng Yang, Zhen Chen·· 15 天前精选AI 评分78

GroundSeek-CXR:一种用于多标签胸部 X 光诊断的回顾性评估引导主动观察框架

GroundSeek-CXR: Retrospective Evaluation-Guided Active Observation Framework for Multi-Label Chest Radiography Diagnosis

AI 导读

针对胸部 X 光诊断中需识别细微病变及并发异常的挑战,本文提出 GroundSeek-CXR 框架。该框架通过回顾性诊断评估(RDE)对离线蒙特卡洛树搜索生成的观察与停止候选进行评分,并利用回顾性差距加权偏好优化(RGPO)学习基于最终诊断结果的偏好信号。实验表明,该方法在异常图像样本 F1 值上比即时分数偏好学习方法提升 4.48%。

推荐理由

提出基于回顾性评估的主动观察框架,利用最终诊断结果优化局部区域选择与停止决策。

来源:arXiv · 机器人与计算机视觉 · arxiv.org