基于多模型深度学习的自动化胸部 X 光报告生成系统

阅读和解读胸部 X 光图像是放射科医生最常见的日常工作之一。然而，即使对最有经验的医生而言，这仍可能具有挑战性。因此，我们提出了一种基于多模型深度学习的自动化胸部 X 光报告生成系统，旨在辅助放射科医生工作。所提系统的基本思路是利用多个二分类模型检测单张图像中的多种异常，每个模型负责检测一种异常。在本研究中，我们将放射学异常检测限定为仅检测心脏肥大、肺部积液和实变。该系统通过以下三个步骤生成放射学报告：图像预处理、利用深度学习模型检测异常、以及生成报告。图像预处理步骤的目的是通过将输入缩放至 128x128 像素并将其切分为上、中、下三个肺区片段来标准化输入。预处理后，各对应模型对图像进行分类，无异常检测为 0（零），存在异常为 1（一）。各模型的预测输出随后被拼接成一个“结果代码”。在报告生成步骤中，使用该“结果代码”通过为每种检测到的异常选择相应的预定语句来构建报告。所提系统有望减轻放射科医生的工作负担并提高胸部 X 光诊断的准确性。