Multi Label Classification On Chexpert

Metriken

AVERAGE AUC ON 14 LABEL

NUM RADS BELOW CURVE

Ergebnisse

Leistungsergebnisse verschiedener Modelle zu diesem Benchmark

Vergleichstabelle

Modellname	AVERAGE AUC ON 14 LABEL	NUM RADS BELOW CURVE
Modell 1	0.903	1.600
Modell 2	0.879	0.600
Modell 3	0.911	2.200
Modell 4	0.882	0.600
Modell 5	0.618	0.200
Modell 6	0.899	1.600
Modell 7	0.923	2.400
Modell 8	0.897	1.200
Modell 9	0.919	2.200
Modell 10	0.917	2.400
Modell 11	0.909	2.200
Modell 12	0.881	1.000
Modell 13	0.912	2.000
Modell 14	0.884	0.800
Modell 15	0.909	2.000
Modell 16	0.927	2.600
Modell 17	0.850	0.600
Modell 18	0.923	2.400
Modell 19	0.862	0.800
Modell 20	0.924	2.400
Modell 21	0.923	2.600
Modell 22	0.899	1.400
Modell 23	0.922	2.800
Modell 24	0.929	2.800
Modell 25	0.887	1.200
Modell 26	0.915	2.200
Modell 27	0.913	2.200
Modell 28	0.860	0.600
Modell 29	0.887	1.200
Modell 30	0.887	1.200
Modell 31	0.889	1.400
Modell 32	0.906	1.600
Modell 33	0.913	2.000
Modell 34	0.908	2.000
Modell 35	0.897	1.600
Modell 36	0.865	0.600
Modell 37	0.923	2.400
projective-transformation-rectification-for	0.906	1.600
Modell 39	0.915	2.200
Modell 40	0.916	2.400
Modell 41	0.889	1.400
Modell 42	0.900	1.200
category-wise-fine-tuning-for-image-multi	0.933	-
Modell 44	0.838	0.400
Modell 45	0.834	0.400
Modell 46	0.895	1.000
Modell 47	0.901	1.400
Modell 48	0.919	2.600
Modell 49	0.760	0.000
Modell 50	0.886	0.800
Modell 51	0.929	2.600
Modell 52	0.913	2.200
Modell 53	0.481	0.000
Modell 54	0.899	1.400
Modell 55	0.929	2.600
Modell 56	0.914	2.000
Modell 57	0.919	2.400
Modell 58	0.884	1.600
Modell 59	0.925	2.400
Modell 60	0.928	2.600
Modell 61	0.898	1.800
Modell 62	0.924	2.400
Modell 63	0.924	2.400
Modell 64	0.917	2.200
Modell 65	0.844	0.400
Modell 66	0.916	2.200
Modell 67	0.909	1.800
Modell 68	0.920	2.600
Modell 69	0.927	2.600
Modell 70	0.927	3.000
Modell 71	0.863	0.800
Modell 72	0.848	0.200
Modell 73	0.899	1.600
Modell 74	0.917	2.200
Modell 75	0.906	1.600
Modell 76	0.875	1.200
Modell 77	0.769	0.000
Modell 78	0.899	2.000
Modell 79	0.905	1.600
Modell 80	0.887	1.200
Modell 81	0.880	1.200
Modell 82	0.878	0.600
Modell 83	0.923	2.400
Modell 84	0.876	1.200
Modell 85	0.732	0.600
Modell 86	0.902	2.000
Modell 87	0.923	2.600
Modell 88	0.916	2.400
Modell 89	0.886	1.000
Modell 90	0.882	0.800
Modell 91	0.911	2.000
Modell 92	0.724	0.000
Modell 93	0.919	2.600
anatomy-x-net-a-semi-supervised-anatomy-aware	0.917	2.600
Modell 95	0.916	2.600
interpreting-chest-x-rays-via-cnns-that	0.929	2.600
Modell 97	0.898	1.200
Modell 98	0.907	1.600
Modell 99	0.904	1.200
Modell 100	0.925	2.400
Modell 101	0.926	2.600
Modell 102	0.500	0.000
Modell 103	0.918	2.600
Modell 104	0.914	2.600
Modell 105	0.894	1.600
Modell 106	0.890	1.000
projective-transformation-rectification-for	0.899	1.400
Modell 108	0.860	0.800
robust-deep-auc-maximization-a-new-surrogate	0.930	2.800
Modell 110	0.922	2.400
Modell 111	0.918	2.600
Modell 112	0.883	1.200
Modell 113	0.524	0.000
Modell 114	0.928	2.600
Modell 115	0.876	1.000
category-wise-fine-tuning-for-image-multi	0.918	2.600
Modell 117	0.918	2.600
Modell 118	0.914	2.400
Modell 119	0.920	2.400
Modell 120	0.921	2.400
Modell 121	0.897	1.600
interpreting-chest-x-rays-via-cnns-that	0.930	2.600
Modell 123	0.919	2.400
Modell 124	0.895	1.800
Modell 125	0.921	2.400
Modell 126	0.907	1.600
Modell 127	0.797	0.600
Modell 128	0.894	1.600
Modell 129	0.896	1.400
Modell 130	0.894	1.600
Modell 131	0.853	0.000
Modell 132	0.923	2.600
Modell 133	0.924	2.400
Modell 134	0.895	1.400
Modell 135	0.888	1.000
Modell 136	0.908	1.800
Modell 137	0.911	2.200
Modell 138	0.859	0.600
Modell 139	0.840	0.400
anatomy-x-net-a-semi-supervised-anatomy-aware	0.926	2.600
Modell 141	0.898	1.400
Modell 142	0.875	1.000
masks-and-manuscripts-advancing-medical-pre	0.909	-
Modell 144	0.891	1.000
Modell 145	0.859	0.600
Modell 146	0.822	0.000
Modell 147	0.882	0.400
Modell 148	0.916	2.200
Modell 149	0.868	0.600
Modell 150	0.917	2.000
Modell 151	0.861	0.400
Modell 152	0.911	2.000
Modell 153	0.892	1.600
Modell 154	0.895	1.200
chexclusion-fairness-gaps-in-deep-chest-x-ray	0.805	-
Modell 156	0.896	1.400
Modell 157	0.873	0.800
Modell 158	0.911	2.200
Modell 159	0.896	1.400
Modell 160	0.929	2.600
Modell 161	0.727	0.000
Modell 162	0.915	2.400
Modell 163	0.924	2.400
Modell 164	0.927	2.600
Modell 165	0.899	1.800
Modell 166	0.888	1.000
Modell 167	0.910	2.200
Modell 168	0.901	1.600
Modell 169	0.917	2.200
Modell 170	0.908	1.800
Modell 171	0.868	0.800
Modell 172	0.606	0.000
Modell 173	0.830	0.200
Modell 174	0.900	1.600
Modell 175	0.923	2.600
Modell 176	0.915	2.600
Modell 177	0.606	0.000
Modell 178	0.912	2.200
Modell 179	0.911	2.000
Modell 180	0.899	1.600
Modell 181	0.921	2.600
Modell 182	0.926	3.000
Modell 183	0.615	0.000
Modell 184	0.915	2.400
projective-transformation-rectification-for	0.896	1.400
Modell 186	0.919	2.200
Modell 187	0.479	0.000
Modell 188	0.858	0.000
Modell 189	0.481	0.000
Modell 190	0.894	1.000
Modell 191	0.871	0.600
Modell 192	0.895	1.600
Modell 193	0.919	2.400
Modell 194	0.854	0.800
Modell 195	0.907	1.400
Modell 196	0.916	2.600
Modell 197	0.905	2.000
Modell 198	0.890	1.000
Modell 199	0.575	0.000
Modell 200	0.905	1.800
Modell 201	0.890	0.800
Modell 202	0.851	0.400
Modell 203	0.842	0.200
Modell 204	0.858	1.000
Modell 205	0.835	0.000
Modell 206	0.848	0.600
Modell 207	0.896	1.400
Modell 208	0.902	1.800
Modell 209	0.922	2.400
Modell 210	0.883	0.600
Modell 211	0.921	2.400
chexpert-a-large-chest-radiograph-dataset	0.907	1.800
Modell 213	0.891	1.200
Modell 214	0.906	1.600
Modell 215	0.837	0.200
Modell 216	0.736	0.000
Modell 217	0.850	0.400
Modell 218	0.916	2.400
Modell 219	0.861	1.000
Modell 220	0.911	2.200
Modell 221	0.873	0.400
Modell 222	0.886	1.200
Modell 223	0.531	0.000
Modell 224	0.926	2.600
Modell 225	0.896	1.600
Modell 226	0.924	2.600