Bridging Classification and Localization in X-Ray Fracture Diagnosis via Weakly-Supervised Vision Transformers
Notice bibliographique
Résumé
Bone fracture diagnosis from radiographs is a crucial yet time-consuming job requiring professional interpretation. Typical fully supervised learning methods require expensive and often scarce annotation data, especially in medical imaging. We propose a weakly supervised learning (WSL) approach for automatic fracture classification that mimics the holistic strategy of human radiologist. In our method, Vision Transformer (ViT) models (including Base, Large, distillation, and self-supervised variants) are trained using only image-level labels without any bounding box annotations. Despite the absence of localized supervision, our WSL ViT-based models achieve high fracture detection accuracy on the FracAtlas dataset of musculoskeletal X-rays. More importantly, the learned self-attention maps provide human interpretable heatmaps highlighting suspect regions, effectively bridging classification and localization. We demonstrate that our approach detects fractures like a human radiologist, scanning the entire image and focusing on abnormal patterns through learned attention. Experimental results showed that our WSL ViT-based architecture outperforms recent CNN-based methods in classification accuracy while also producing reliable visual explanations. Our best-performing model, a distilled ViT (DeiT) variant, achieved 94% classification accuracy with ROC AUC of 0.93. This work establishes a promising step toward accurate and interpretable fracture detection with minimal supervision. Potentially reducing the need for expensive localization annotations and aiding clinical decision-making.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».