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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».