Multi Label Classification On Chexpert

评估指标

AVERAGE AUC ON 14 LABEL

NUM RADS BELOW CURVE

评测结果

各个模型在此基准测试上的表现结果

比较表格

模型名称	AVERAGE AUC ON 14 LABEL	NUM RADS BELOW CURVE
模型 1	0.903	1.600
模型 2	0.879	0.600
模型 3	0.911	2.200
模型 4	0.882	0.600
模型 5	0.618	0.200
模型 6	0.899	1.600
模型 7	0.923	2.400
模型 8	0.897	1.200
模型 9	0.919	2.200
模型 10	0.917	2.400
模型 11	0.909	2.200
模型 12	0.881	1.000
模型 13	0.912	2.000
模型 14	0.884	0.800
模型 15	0.909	2.000
模型 16	0.927	2.600
模型 17	0.850	0.600
模型 18	0.923	2.400
模型 19	0.862	0.800
模型 20	0.924	2.400
模型 21	0.923	2.600
模型 22	0.899	1.400
模型 23	0.922	2.800
模型 24	0.929	2.800
模型 25	0.887	1.200
模型 26	0.915	2.200
模型 27	0.913	2.200
模型 28	0.860	0.600
模型 29	0.887	1.200
模型 30	0.887	1.200
模型 31	0.889	1.400
模型 32	0.906	1.600
模型 33	0.913	2.000
模型 34	0.908	2.000
模型 35	0.897	1.600
模型 36	0.865	0.600
模型 37	0.923	2.400
projective-transformation-rectification-for	0.906	1.600
模型 39	0.915	2.200
模型 40	0.916	2.400
模型 41	0.889	1.400
模型 42	0.900	1.200
category-wise-fine-tuning-for-image-multi	0.933	-
模型 44	0.838	0.400
模型 45	0.834	0.400
模型 46	0.895	1.000
模型 47	0.901	1.400
模型 48	0.919	2.600
模型 49	0.760	0.000
模型 50	0.886	0.800
模型 51	0.929	2.600
模型 52	0.913	2.200
模型 53	0.481	0.000
模型 54	0.899	1.400
模型 55	0.929	2.600
模型 56	0.914	2.000
模型 57	0.919	2.400
模型 58	0.884	1.600
模型 59	0.925	2.400
模型 60	0.928	2.600
模型 61	0.898	1.800
模型 62	0.924	2.400
模型 63	0.924	2.400
模型 64	0.917	2.200
模型 65	0.844	0.400
模型 66	0.916	2.200
模型 67	0.909	1.800
模型 68	0.920	2.600
模型 69	0.927	2.600
模型 70	0.927	3.000
模型 71	0.863	0.800
模型 72	0.848	0.200
模型 73	0.899	1.600
模型 74	0.917	2.200
模型 75	0.906	1.600
模型 76	0.875	1.200
模型 77	0.769	0.000
模型 78	0.899	2.000
模型 79	0.905	1.600
模型 80	0.887	1.200
模型 81	0.880	1.200
模型 82	0.878	0.600
模型 83	0.923	2.400
模型 84	0.876	1.200
模型 85	0.732	0.600
模型 86	0.902	2.000
模型 87	0.923	2.600
模型 88	0.916	2.400
模型 89	0.886	1.000
模型 90	0.882	0.800
模型 91	0.911	2.000
模型 92	0.724	0.000
模型 93	0.919	2.600
anatomy-x-net-a-semi-supervised-anatomy-aware	0.917	2.600
模型 95	0.916	2.600
interpreting-chest-x-rays-via-cnns-that	0.929	2.600
模型 97	0.898	1.200
模型 98	0.907	1.600
模型 99	0.904	1.200
模型 100	0.925	2.400
模型 101	0.926	2.600
模型 102	0.500	0.000
模型 103	0.918	2.600
模型 104	0.914	2.600
模型 105	0.894	1.600
模型 106	0.890	1.000
projective-transformation-rectification-for	0.899	1.400
模型 108	0.860	0.800
robust-deep-auc-maximization-a-new-surrogate	0.930	2.800
模型 110	0.922	2.400
模型 111	0.918	2.600
模型 112	0.883	1.200
模型 113	0.524	0.000
模型 114	0.928	2.600
模型 115	0.876	1.000
category-wise-fine-tuning-for-image-multi	0.918	2.600
模型 117	0.918	2.600
模型 118	0.914	2.400
模型 119	0.920	2.400
模型 120	0.921	2.400
模型 121	0.897	1.600
interpreting-chest-x-rays-via-cnns-that	0.930	2.600
模型 123	0.919	2.400
模型 124	0.895	1.800
模型 125	0.921	2.400
模型 126	0.907	1.600
模型 127	0.797	0.600
模型 128	0.894	1.600
模型 129	0.896	1.400
模型 130	0.894	1.600
模型 131	0.853	0.000
模型 132	0.923	2.600
模型 133	0.924	2.400
模型 134	0.895	1.400
模型 135	0.888	1.000
模型 136	0.908	1.800
模型 137	0.911	2.200
模型 138	0.859	0.600
模型 139	0.840	0.400
anatomy-x-net-a-semi-supervised-anatomy-aware	0.926	2.600
模型 141	0.898	1.400
模型 142	0.875	1.000
masks-and-manuscripts-advancing-medical-pre	0.909	-
模型 144	0.891	1.000
模型 145	0.859	0.600
模型 146	0.822	0.000
模型 147	0.882	0.400
模型 148	0.916	2.200
模型 149	0.868	0.600
模型 150	0.917	2.000
模型 151	0.861	0.400
模型 152	0.911	2.000
模型 153	0.892	1.600
模型 154	0.895	1.200
chexclusion-fairness-gaps-in-deep-chest-x-ray	0.805	-
模型 156	0.896	1.400
模型 157	0.873	0.800
模型 158	0.911	2.200
模型 159	0.896	1.400
模型 160	0.929	2.600
模型 161	0.727	0.000
模型 162	0.915	2.400
模型 163	0.924	2.400
模型 164	0.927	2.600
模型 165	0.899	1.800
模型 166	0.888	1.000
模型 167	0.910	2.200
模型 168	0.901	1.600
模型 169	0.917	2.200
模型 170	0.908	1.800
模型 171	0.868	0.800
模型 172	0.606	0.000
模型 173	0.830	0.200
模型 174	0.900	1.600
模型 175	0.923	2.600
模型 176	0.915	2.600
模型 177	0.606	0.000
模型 178	0.912	2.200
模型 179	0.911	2.000
模型 180	0.899	1.600
模型 181	0.921	2.600
模型 182	0.926	3.000
模型 183	0.615	0.000
模型 184	0.915	2.400
projective-transformation-rectification-for	0.896	1.400
模型 186	0.919	2.200
模型 187	0.479	0.000
模型 188	0.858	0.000
模型 189	0.481	0.000
模型 190	0.894	1.000
模型 191	0.871	0.600
模型 192	0.895	1.600
模型 193	0.919	2.400
模型 194	0.854	0.800
模型 195	0.907	1.400
模型 196	0.916	2.600
模型 197	0.905	2.000
模型 198	0.890	1.000
模型 199	0.575	0.000
模型 200	0.905	1.800
模型 201	0.890	0.800
模型 202	0.851	0.400
模型 203	0.842	0.200
模型 204	0.858	1.000
模型 205	0.835	0.000
模型 206	0.848	0.600
模型 207	0.896	1.400
模型 208	0.902	1.800
模型 209	0.922	2.400
模型 210	0.883	0.600
模型 211	0.921	2.400
chexpert-a-large-chest-radiograph-dataset	0.907	1.800
模型 213	0.891	1.200
模型 214	0.906	1.600
模型 215	0.837	0.200
模型 216	0.736	0.000
模型 217	0.850	0.400
模型 218	0.916	2.400
模型 219	0.861	1.000
模型 220	0.911	2.200
模型 221	0.873	0.400
模型 222	0.886	1.200
模型 223	0.531	0.000
模型 224	0.926	2.600
模型 225	0.896	1.600
模型 226	0.924	2.600