This thesis explores the potential of utilizing radiology reports to enhance deep learning in chest X-ray analysis while focusing on localized detection of abnormalities. Therefore, novel image-text contrastive learning, weakly supervised pathology localization, and localized report generation approaches are proposed, which demonstrate strong performance across multiple tasks and benchmark datasets.
Übersetzte Kurzfassung:
In dieser Arbeit wird das Potenzial der Nutzung von Radiologieberichten zur Verbesserung von Deep Learning bei der Analyse von Thorax-Röntgenaufnahmen untersucht, wobei der Schwerpunkt auf der lokalisierten Erkennung von Anomalien liegt. Dazu werden neuartige Ansätze zum Image-Text Contrastive Learning, zur schwach-überwachten Lokalisierung von Pathologien und zur lokalisierter Radiologie-Berichtsgenerierung vorgeschlagen, die eine starke Leistung über mehrere Benchmark-Datensätze zeigen.