基于弱监督端到端深度学习的胸片自动放射报告生成
计算机视觉与模式识别
2020-06-19 v1
摘要
胸片(CXR)是用于诊断胸部疾病和异常的最常见临床检查之一。医院每天产生的CXR扫描量巨大。因此，能够节省医生精力的自动诊断系统具有巨大价值。目前，人工智能在CXR诊断中的应用通常使用模式识别来对扫描进行分类。然而，此类方法依赖于标注数据库，这不仅成本高昂，而且通常错误率较高。在本工作中，我们构建了一个包含超过12,000份CXR扫描及放射报告的数据库，并开发了一个基于深度卷积神经网络和带注意力机制的循环网络的模型。该模型直接从CXR扫描及其相关的原始放射报告中学习特征；无需对扫描进行额外标注。该模型可对给定扫描进行自动识别并生成报告。生成的报告质量通过CIDEr分数和放射科医生进行了评估。测试数据集上的CIDEr分数平均约为5.8。进一步的盲评表明，其表现与人类放射科医生相当。
引用
@article{arxiv.2006.10347,
title = {Automated Radiological Report Generation For Chest X-Rays With Weakly-Supervised End-to-End Deep Learning},
author = {Shuai Zhang and Xiaoyan Xin and Yang Wang and Yachong Guo and Qiuqiao Hao and Xianfeng Yang and Jun Wang and Jian Zhang and Bing Zhang and Wei Wang},
journal= {arXiv preprint arXiv:2006.10347},
year = {2020}
}