一种用于肺结核诊断并生成定量CT报告的深度学习系统
图像与视频处理
2020-12-18 v1 计算机视觉与模式识别
机器学习
摘要
我们开发了一种基于深度学习模型的系统，用于自动生成肺结核（PTB）病例的定量计算机断层扫描（CT）诊断报告。收集了来自223名活动性PTB患者的501个CT影像数据集，另501个来自健康人群的病例作为阴性样本。2884个PTB病灶由专业放射科医师仔细手动标注并分类。三种最先进的3D卷积神经网络（CNN）模型在PTB CT图像检测中被训练与评估。迁移学习方法在此过程中亦被采用。最佳模型被选中以标注病灶空间位置并将其同时分类为粟粒型、浸润型、干酪型、结核瘤型和空洞型。随后使用Noisy-Or贝叶斯函数生成总体感染概率。最终导出定量诊断报告。结果显示，从单个PTB病灶区域视角看，召回率与精确率分别为85.9%与89.2%；从单个PTB病例视角看，总体召回率与精确率分别为98.7%与93.7%。此外，PTB病灶类型分类的精确率为90.9%。该新方法可作为临床医生决策的有效参考。
引用
@article{arxiv.1910.02285,
title = {A Deep Learning System That Generates Quantitative CT Reports for Diagnosing Pulmonary Tuberculosis},
author = {Wei Wu and Xukun Li and Peng Du and Guanjing Lang and Min Xu and Kaijin Xu and Lanjuan Li},
journal= {arXiv preprint arXiv:1910.02285},
year = {2020}
}