SynthEnsemble: Eine Fusion von CNN, Vision Transformer und Hybriden Modellen für die Mehrfachetikettierung von Brust-Röntgenbildern

Röntgenbilder der Brust (Chest X-rays) werden häufig zur Diagnose von Thoraxerkrankungen eingesetzt. Allerdings erschwert der Mangel an detaillierten Informationen über diese Abnormitäten die Entwicklung genauer automatisierter Diagnosesysteme, die für eine frühzeitige Erkennung und eine effektive Behandlung entscheidend sind. Um dieser Herausforderung zu begegnen, haben wir tiefes Lernen (deep learning) angewendet, um Muster in Röntgenbildern der Brust zu identifizieren, die verschiedenen Krankheiten entsprechen. Wir führten Experimente mit dem Datensatz "ChestX-ray14" durch, indem wir verschiedene vortrainierte CNNs (Convolutional Neural Networks), Transformer-Modelle, hybride Modelle (CNN+Transformer) und klassische Modelle einsetzten. Das beste individuelle Modell war das CoAtNet, das einen Flächeninhalt unter der Empfängerkennlinie (AUROC) von 84,2 % erzielte. Durch Kombination der Vorhersagen aller trainierten Modelle mithilfe eines gewichteten Durchschnitts-Ensembles, bei dem das Gewicht jedes Modells mittels Differential Evolution bestimmt wurde, konnten wir den AUROC auf 85,4 % verbessern und damit andere Stand-of-the-Art-Methoden in diesem Bereich übertreffen. Unsere Ergebnisse zeigen das Potenzial von Techniken des tiefen Lernens, insbesondere von Ensemble-Deep-Learning, zur Steigerung der Genauigkeit automatisierter Diagnosen von Thoraxerkrankungen anhand von Röntgenbildern der Brust. Quellcode verfügbar unter: https://github.com/syednabilashraf/SynthEnsemble