一种用于检测正常胸部 X 光片的鲁棒网络架构
图像与视频处理
2020-04-15 v1
摘要
我们提出一种用于胸部 X 光图像正常性检测的 novel 深度神经网络架构。该架构将问题视为细粒度二分类，其中正常病例被明确界定为一类，而所有其他病例归入宽泛的异常类。它采用若干组件以实现泛化并防止跨人口统计学特征的过拟合。该模型在大型公开 frontal 胸部 X 光图像数据集上训练和验证，随后在来自具有不同患者人口统计学特征的临床机构图像上独立测试，以三位放射科医师共识作为真值标注。该模型在 1271 张图像测试时 ROC 曲线下面积达 0.96。我们可自动从工作流程中移除近三分之一无疾病胸部 X 光筛查图像，且不引入任何假阴性（对疾病灵敏度 100%），从而提升未来医院放射科工作流程的提速潜力。
引用
@article{arxiv.2004.06147,
title = {A robust network architecture to detect normal chest X-ray radiographs},
author = {Ken C. L. Wong and Mehdi Moradi and Joy Wu and Anup Pillai and Arjun Sharma and Yaniv Gur and Hassan Ahmad and Minnekanti Sunil Chowdary and Chiranjeevi J and Kiran Kumar Reddy Polaka and Venkateswar Wunnava and DC Reddy and Tanveer Syeda-Mahmood},
journal= {arXiv preprint arXiv:2004.06147},
year = {2020}
}
备注
This paper was accepted by IEEE ISBI 2020