Multi Label Classification On Chexpert

Métriques

AVERAGE AUC ON 14 LABEL

NUM RADS BELOW CURVE

Résultats

Résultats de performance de divers modèles sur ce benchmark

Tableau comparatif

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