放射影像上导管与管线的计算机辅助评估：人工智能评估能力几何？
图像与视频处理
2020-02-11 v1 机器学习
医学物理
摘要
导管是放射影像上第二常见的异常发现。由于导管位置不当可引发严重并发症，所有放射影像都必须评估导管位置。然而，由于每日拍摄的放射影像数量庞大，从拍摄到由放射科医生解读之间可能存在显著延迟。计算机辅助方法有望协助优先处理可能存在导管位置不当的放射影像以供解读，并自动在放射报告中插入指示导管放置位置的文本，从而提升放射科医生的工作效率。在计算机辅助诊断领域历经50年研究后，该方向的研究仍十分匮乏。随着深度学习方法的进展，导管评估问题已远更具可解性。因此，我们综述了当前算法，并指出了构建可靠的放射影像导管评估计算机辅助诊断系统的关键挑战。本综述或可推动针对这一重要应用场景的机器学习方法的发展。
引用
@article{arxiv.2002.03413,
title = {Computer-Aided Assessment of Catheters and Tubes on Radiographs: How Good is Artificial Intelligence for Assessment?},
author = {Xin Yi and Scott J. Adams and Robert D. E. Henderson and Paul Babyn},
journal= {arXiv preprint arXiv:2002.03413},
year = {2020}
}
备注
This manuscript has been accepted for publication in Radiology: Artificial Intelligence (https://pubs.rsna.org/journal/ai), which is published by the Radiological Society of North America (RSNA)