Label Cleaning in Multimodal Public Retinal Image Datasets
本研究通过结合自动化筛选与专家验证，系统地识别并纠正了九个公开多模态视网膜图像数据集中的标签噪声，揭示了约有 5.39% 的图像包含错误——其中包括挑战传统单标签框架的显著比例的分布外及多标签情况——同时证明了像 Cleanlab 这样的工具能有效减轻人工复核负担。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
人类的眼睛是身体健康的窗口，而位于眼球后部的视网膜则是一张地图，糖尿病和黄斑变性等疾病会在其上留下最初的痕迹。为了了解这些病症，医生使用专门的照相机拍摄视网膜照片。近年来，科学家们教会了计算机阅读这些照片，希望以此构建人工智能，使其能够比疲惫的人眼更快、更准确地发现疾病。但对于计算机的学习而言，它需要一个庞大的示例库，且每个示例都必须附带一个正确的标签，就像一个写着“健康”或“患病”的标签。如果标签错误，计算机就会学到错误的教训。这种标签错误的问题被称为“标签噪声”，是许多公开眼科图像集中的一个隐藏缺陷。即使是少量的错误标签也可能误导计算机，导致它漏诊真实的疾病，或者凭空捏造不存在的问题。在这些“数字医生”获得信任之前，它们所学习的地图必须经过检查和修正。
一支研究团队致力于清理九个大型公开视网膜图像集，其中包括不同类型的照片：标准彩色照片、横截面扫描图以及捕捉整个眼底的超广角视图。他们从这些来源中收集了近 35,000 张图像，并对其进行了严格的筛选过程。首先，他们使用了一个旨在识别模式和不一致性的计算机程序。该软件充当了一个高效的过滤器，扫描图像以寻找重复项、异常值以及标签与图像实际显示内容相矛盾的照片。该程序标记了超过 4,400 张可疑图像，这项任务如果由人类专家手动完成，将耗费数周时间。
一旦计算机完成了初步扫描，真正的核心工作便开始了。被标记的图像被移交给了一支眼科医生团队，由他们逐一进行检查。这并非随意的扫视，而是一个结构化的四阶段审查过程，多位医生会对每张图像进行独立评估，并经常通过与资深同事讨论来达成最终的一致诊断。这种人工验证步骤至关重要，因为它将计算机的猜测转化为了确凿的事实。医生们发现，计算机的怀疑是有道理的。在近 35,000 张图像中，他们确认有 1,884 张存在标签错误。这意味着在这些公开数据集中，大约每 20 张图像中就有一张被错误地贴上了疾病或病症的标签。
这些错误的性质揭示了当前医学数据的一些局限性。许多错误是简单的互换，即一张某种疾病的照片被标注成了另一种疾病。然而，很大一部分错误更为复杂。有些图像显示患者同时患有多种疾病，而原有的单标签系统无法捕捉到这一点。还有一些图像显示的是不符合标准分类的罕见病症，或者图像质量过于模糊或低劣，以至于无法做出可靠的诊断。事实上，近四分之一的确认错误属于这些“分布外”类别，意味着这些案例超出了原始数据集的设计处理范围。研究人员还发现了数百张重复图像，即同一张图片以不同的名称多次出现，这会误导计算机，让它误以为自己看到了比实际更多的证据。
这项研究表明，自动化筛选与专家人工判断相结合是修复这些数据集的强大方法。计算机程序成功识别了绝大多数错误，通过过滤掉明显的病例并将注意力集中在困难病例上，减轻了人类医生的工作量。当计算机为被误标的图像建议新标签时，其正确率超过了一半，在某些数据集中甚至几乎每次都是正确的。这表明此类工具可以作为可靠的第一道防线，引导专家关注那些最需要注意的图像。研究人员得出结论，虽然人工智能在眼科护理领域具有巨大的潜力，但它所学习的数据必须遵循高标准。通过系统地清理这些公开图像库，该团队为未来的研究提供了一个更清晰的基础，确保下一代医疗人工智能是在真理而非错误之上进行训练。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。