通过域适应在临床环境中实现胸片异常计算机辅助检测
计算机视觉与模式识别
2020-12-22 v1 人工智能
摘要
深度学习（DL）模型正被部署于医疗中心，以辅助放射科医生从胸片中诊断肺部疾病。此类模型通常在大量公开可用的带标签胸片上进行训练。由于公开可用胸片与私有胸片之间的数据分布发生变化，这些预训练 DL 模型在临床环境中的泛化能力较差。在胸片中，分布的异质性源于生成图像所用的 X 射线设备及其配置的多样条件。在机器学习领域，由数据生成源异质性带来的挑战被称为域偏移，即生成模型中的模式偏移。在这项工作中，我们引入一种域偏移检测与消除方法来克服该问题。我们的实验结果表明了所提方法在将预训练 DL 模型部署于临床环境胸片异常检测中的有效性。
引用
@article{arxiv.2012.10564,
title = {Computer-aided abnormality detection in chest radiographs in a clinical setting via domain-adaptation},
author = {Abhishek K Dubey and Michael T Young and Christopher Stanley and Dalton Lunga and Jacob Hinkle},
journal= {arXiv preprint arXiv:2012.10564},
year = {2020}
}