基于深度学习模型比较数字与模拟胸部 X 线摄影识别结核病的性能
计算机视觉与模式识别
2023-07-28 v1
摘要
目的:胸部 X 线(CXR)是一项重要工具,也是处方量最大的用于检测肺部异常的影像检查,全球每年估计超过 20 亿次成像。然而,结核病的准确及时诊断仍是一项未达成目标。结核病在低收入和中等收入国家患病率最高,亟需一种便携、自动化且可靠的解决方案。本研究比较了基于深度学习的设备在数字与模拟 CXR 上的性能。所评估的基于深度学习的设备可用于资源受限环境。方法:回顾性收集 2020 年 4 月至 2021 年 3 月印度多地共 10,000 份 CXR DICOM(.dcm)以及使用三款不同手机——Samsung S8、iPhone 8 和 iPhone XS——拍摄的胶片打印照片及其放射学报告。结果:利用 10,000 张胸部 X 线评估该基于深度学习的设备识别结核病放射学征象的能力。qXR 在原始 DICOM 数据集上检测结核征象的 AUC 为 0.928,在特异度 0.806 下灵敏度为 0.841。在最优阈值下,三款手机与原始 DICOM 的 AUC 差异分别为 0.024(2.55%)、0.048(5.10%)和 0.038(1.91%)。最小差异表明该基于深度学习的设备在数字与模拟 CXR 中识别结核病放射学征象均具有鲁棒性。
引用
@article{arxiv.2307.14859,
title = {Comparative Evaluation of Digital and Analog Chest Radiographs to Identify Tuberculosis using Deep Learning Model},
author = {Subhankar Chattoraj and Bhargava Reddy and Manoj Tadepalli and Preetham Putha},
journal= {arXiv preprint arXiv:2307.14859},
year = {2023}
}