使用机器学习基于胸部 X 光与 CT 影像检测和预测 COVID-19 的常见陷阱与建议
机器学习
2021-05-12 v4 计算机视觉与模式识别
图像与视频处理
机器学习
摘要
机器学习方法在为标准护理胸部 X 光片（CXR）和计算机断层扫描（CT）图像提供快速准确的 COVID-19 检测与预后方面大有前景。2020 年发表了多篇描述用于这两项任务的新基于机器学习的模型的文章，但尚不清楚哪些具有潜在的临床效用。在本系统综述中，我们检索 OVID 上的 EMBASE、PubMed 上的 MEDLINE、bioRxiv、medRxiv 和 arXiv，以获取 2020 年 1 月 1 日至 2020 年 10 月 3 日上传的、描述从 CXR 或 CT 图像对 COVID-19 进行诊断或预后的新机器学习模型的已发表论文与预印本。我们的检索确定了 2,212 项研究，其中 415 项经初步筛选被纳入，经质量筛选后 61 项研究被纳入本系统综述。我们的综述发现，由于方法学缺陷和/或潜在偏倚，所确定的模型均无潜在临床用途。这是一个重大弱点，鉴于对经验证的 COVID-19 模型的迫切需求。为此，我们给出许多建议，若加以遵循，将解决这些问题并带来更高质量的模型开发与文献记录完备的论文。
引用
@article{arxiv.2008.06388,
title = {Common pitfalls and recommendations for using machine learning to detect and prognosticate for COVID-19 using chest radiographs and CT scans},
author = {Michael Roberts and Derek Driggs and Matthew Thorpe and Julian Gilbey and Michael Yeung and Stephan Ursprung and Angelica I. Aviles-Rivero and Christian Etmann and Cathal McCague and Lucian Beer and Jonathan R. Weir-McCall and Zhongzhao Teng and Effrossyni Gkrania-Klotsas and James H. F. Rudd and Evis Sala and Carola-Bibiane Schönlieb},
journal= {arXiv preprint arXiv:2008.06388},
year = {2021}
}
备注
35 pages, 3 figures, 2 tables, updated to the period 1 January 2020 - 3 October 2020