Point-Beyond-Class（PBC）

胸部x线片 (CXR) 中准确的异常定位有助于各种胸部疾病的临床诊断。但是，病变级别的注释只能由经验丰富的放射科医生执行，并且繁琐且耗时，因此很难获得。这种情况导致难以为CXR开发完全监督的异常定位系统。在这方面，我们建议通过一种弱半监督策略来训练CXR异常定位框架，称为超越类点 (PBC)，该策略利用少量带有病变级边界框的完全注释的CXR和大量弱注释的样本逐点。这样的点注释设置可以以边际注释成本为异常定位提供弱实例级信息。特别是，我们PBC背后的核心思想是学习从点注释到边界框的可靠且准确的映射，以抵抗注释点的方差。为此，提出了一个正则化项，即多点一致性，该项驱动模型从同一异常内部的不同点注释生成一致的边界框。此外，还提出了一种称为对称一致性的自我监督，以深入利用弱注释数据中的有用信息进行异常定位。