用于结核病相关胸片的深度学习自动分类：数据集特异性限制诊断性能泛化能力
计算机视觉与模式识别
2020-08-04 v2 机器学习
机器学习
摘要
机器学习已成为包括结核病监测与检测在内传染病多方面的新兴工具。然而，由于研究数量少、方法学局限及结果泛化能力有限，WHO 未就使用计算机辅助结核病检测软件提出建议。为量化机器学习模型的泛化能力，我们使用某一人群（深圳市第三人民医院国家图书馆）的结核病专用胸片(CXR)数据集开发了一个深度卷积神经网络(DCNN)模型，并用另一人群（美国国立卫生研究院临床中心）的非结核病专用 CXR 数据集进行测试。结果表明，使用某一人群训练集开发的监督深度学习模型在另一人群中可能不具备相同的诊断性能。在实施于其他环境前，应考察 CXR 图像的技术规格、疾病严重程度分布、过拟合与过度诊断。
引用
@article{arxiv.1811.07985,
title = {Deep Learning for Automated Classification of Tuberculosis-Related Chest X-Ray: Dataset Specificity Limits Diagnostic Performance Generalizability},
author = {Seelwan Sathitratanacheewin and Krit Pongpirul},
journal= {arXiv preprint arXiv:1811.07985},
year = {2020}
}
备注
6 pages, 3 figures