CheXpedition：探究胸部 X 射线算法向临床环境转化中的泛化挑战
图像与视频处理
2020-03-12 v2 计算机视觉与模式识别
机器学习
摘要
尽管在深度学习算法应用于胸部 X 射线判读方面近期已取得若干进展，我们仍识别出将胸部 X 射线算法转化至临床环境所面临的三大挑战。我们在三项任务上考察了 CheXpert 挑战赛排行榜上排名前 10 的模型的表现：(1) 结核病(TB)检测，(2) 胸部 X 射线照片上的病理检测，以及 (3) 外部机构数据上的病理检测。首先，我们发现 CheXpert 竞赛中排名前 10 的胸部 X 射线模型在两项公开 TB 数据集上检测 TB 的任务中，在未进行微调且训练数据中未包含 TB 标签的情况下取得了 0.851 的平均 AUC。其次，我们发现这些模型在 X 射线照片上的平均表现(AUC = 0.916)与其在原始胸部 X 射线图像上的表现(AUC = 0.924)相近。第三，我们发现这些在外部数据集上测试的模型表现与放射科医生的平均表现相当或优于后者。我们相信我们的研究将推动深度学习算法快速转化为安全有效的临床决策支持工具，并通过大规模影响研究和临床试验进行前瞻性验证。
引用
@article{arxiv.2002.11379,
title = {CheXpedition: Investigating Generalization Challenges for Translation of Chest X-Ray Algorithms to the Clinical Setting},
author = {Pranav Rajpurkar and Anirudh Joshi and Anuj Pareek and Phil Chen and Amirhossein Kiani and Jeremy Irvin and Andrew Y. Ng and Matthew P. Lungren},
journal= {arXiv preprint arXiv:2002.11379},
year = {2020}
}
备注
Accepted as workshop paper at ACM Conference on Health, Inference, and Learning (CHIL) 2020