基于深度学习的儿童肺结核胸片肺部分割与自动区域模板
计算机视觉与模式识别
2023-04-18 v1 机器学习
图像与视频处理
摘要
结核病（TB）仍被视为导致死亡的主要原因并对全球儿童健康构成重大威胁。TB感染与疾病均可使用抗生素治愈。然而，大多数死于TB的儿童从未被诊断或治疗。在临床实践中，经验丰富的医生通过检查胸部X光片（CXR）评估TB。与成人CXR相比，儿童CXR具有特定挑战，使儿童TB诊断更为困难。由人工智能支持的计算机辅助诊断系统已展现出与经验丰富的放射科医生TB读片相当的性能，可缓解大规模TB筛查并降低临床负担。我们提出一种基于多视角深度学习的解决方案，其遵循所提出的模板，旨在从可能存在关键TB发现的儿童CXR图像中自动区域化并提取肺部与纵隔感兴趣区域。实验结果显示了准确的区域提取，可用于进一步分析以确认TB发现的存在与严重程度评估。代码公开于https://github.com/dani-capellan/pTB_LungRegionExtractor。
引用
@article{arxiv.2301.13786,
title = {Deep learning-based lung segmentation and automatic regional template in chest X-ray images for pediatric tuberculosis},
author = {Daniel Capellán-Martín and Juan J. Gómez-Valverde and Ramon Sanchez-Jacob and David Bermejo-Peláez and Lara García-Delgado and Elisa López-Varela and Maria J. Ledesma-Carbayo},
journal= {arXiv preprint arXiv:2301.13786},
year = {2023}
}
备注
This work has been accepted at the SPIE Medical Imaging 2023, Image Processing conference