基于数据高效深度学习的智能手机肺疾病胸片检测应用
图像与视频处理
2020-08-21 v1 机器学习
机器学习
摘要
本文介绍了一种基于智能手机应用的疾病诊断范式，其可能彻底改变医疗服务的提供方式。尽管主要旨在协助冠状病毒大流行期间的医疗服务问题，该模型也可扩展用于从广泛的肺疾病谱中识别患者所患的具体疾病。该应用输入由手机摄像头拍摄的胸部X光图像，随后将其传输至云平台中的AI架构，并以当前最优精度诊断疾病。拥有智能手机的医生可利用该应用节省标准COVID-19检测用于初步诊断的大量时间。我们方法中通过采用数据增强生成对抗网络（DAGAN）以及基于带注意力机制的卷积孪生网络（Convolutional Siamese Network）的模型架构，有效解决了训练数据稀缺和类别不平衡问题。后端模型在两种不同分类场景（二分类/多分类）下使用公开可用数据集并辅以最小化和含噪数据进行了鲁棒性测试。该模型在两种场景中分别达到了99.30%和98.40%的峰值测试准确率，使其对用户完全可靠。此外，引入了半实时训练场景，随着数据积累可随时间提升应用性能。总体而言，通过模型架构解决了复杂模型泛化性与数据低效的问题。基于应用的设置与半实时训练有助于社会中可靠医疗的便捷获取，并有助于在最小数据设置下对罕见疾病进行有效研究。
引用
@article{arxiv.2008.08912,
title = {A Data-Efficient Deep Learning Based Smartphone Application For Detection Of Pulmonary Diseases Using Chest X-rays},
author = {Hrithwik Shalu and Harikrishnan P and Akash Das and Megdut Mandal and Harshavardhan M Sali and Juned Kadiwala},
journal= {arXiv preprint arXiv:2008.08912},
year = {2020}
}