用于区分正常与异常胸部 X 光片并泛化至未见疾病的深度学习
图像与视频处理
2022-03-31 v2 计算机视觉与模式识别
机器学习
摘要
胸部 X 光摄影（CXR）是应用最广泛的胸部临床成像方式，对心胸疾病的诊疗管理至关重要。检测特定 CXR 征象一直是若干人工智能（AI）系统的重点。然而，CXR 异常种类繁多，为每种可能病症构建专用系统并不现实。在本工作中，我们开发并评估了一个将 CXR 分类为正常或异常的 AI 系统。开发所用数据来自印度多城市医院网络中 248,445 名患者的去标识化数据集。为评估泛化能力，我们使用来自印度、中国和美国的 6 个国际数据集测试了该系统。这些数据集中，有 4 个聚焦于 AI 未受训检测的疾病的：2 个结核病数据集与 2 个 2019 冠状病毒病数据集。我们的结果表明该 AI 系统可泛化至新患者群体与异常。在一个由 AI 系统优先处理异常病例的模拟工作流中，异常病例的周转时间缩短了 7–28%。这些结果代表着向评估 AI 是否能在存在既往未见异常的通用场景中安全标记病例迈出的重要一步。
引用
@article{arxiv.2010.11375,
title = {Deep Learning for Distinguishing Normal versus Abnormal Chest Radiographs and Generalization to Unseen Diseases},
author = {Zaid Nabulsi and Andrew Sellergren and Shahar Jamshy and Charles Lau and Edward Santos and Atilla P. Kiraly and Wenxing Ye and Jie Yang and Rory Pilgrim and Sahar Kazemzadeh and Jin Yu and Sreenivasa Raju Kalidindi and Mozziyar Etemadi and Florencia Garcia-Vicente and David Melnick and Greg S. Corrado and Lily Peng and Krish Eswaran and Daniel Tse and Neeral Beladia and Yun Liu and Po-Hsuan Cameron Chen and Shravya Shetty},
journal= {arXiv preprint arXiv:2010.11375},
year = {2022}
}