利用胸部 X 线摄影与深度学习自动估计全肺体积
图像与视频处理
2022-10-12 v1 计算机视觉与模式识别
机器学习
摘要
全肺体积是一项重要的定量生物标志物，用于限制性肺疾病的评估。在本研究中，我们探讨了多种深度学习方法从胸部 X 线摄影（CXR）自动测量全肺体积的性能。我们从具有胸部 CT 可用的患者中收集了 7621 张后前位和侧位胸部 X 线摄影（CXR）。类似地，从具有肺功能检测（PFT）结果的患者中选取了 928 项 CXR 检查。参考全肺体积分别由 CT 或 PFT 数据上的肺分割计算所得。该数据集用于训练从胸部 X 线摄影预测全肺体积的深度学习架构。实验以逐步增加复杂性的方式构建，以展示仅使用 CT 衍生标签训练的效果及误差来源。最优模型在 291 项具有 PFT 所得参考肺体积的 CXR 检查上进行了测试。最优深度学习回归模型以正位和侧位胸部 X 线摄影作为输入时，MAE 为 408 ml，MAPE 为 8.1%，Pearson 相关系数 r = 0.92。CT 衍生标签对预训练有用，但最优性能通过对网络用 PFT 衍生标签微调获得。我们首次证明，最先进的深度学习方案能够从普通胸部 X 线摄影准确测量全肺体积。所提出的模型可用于以零额外成本从常规获取的胸部 X 线摄影中获得全肺体积，并可作为在定期转诊进行胸部 X 线检查的患者中识别随时间趋势的有用工具。
引用
@article{arxiv.2105.01181,
title = {Automated Estimation of Total Lung Volume using Chest Radiographs and Deep Learning},
author = {Ecem Sogancioglu and Keelin Murphy and Ernst Th. Scholten and Luuk H. Boulogne and Mathias Prokop and Bram van Ginneken},
journal= {arXiv preprint arXiv:2105.01181},
year = {2022}
}
备注
Under review