深度学习用于类风湿关节炎：X 射线中的关节检测与损伤评分
计算机视觉与模式识别
2022-11-07 v2 机器学习
摘要
计算机视觉的最新进展有望实现医学图像分析的自动化。类风湿关节炎是一种自身免疫性疾病，由于缺乏已知的直接标志物、医生不得不依赖 X 射线图像的手动检查，因而可从基于计算机的诊断中获益。在本工作中，我们提出一种多任务深度学习模型，可同时学习在 X 射线图像上定位关节并诊断两类关节损伤：关节间隙变窄与骨侵蚀。此外，我们提出一种标签平滑的改进方法，将分类与回归线索结合为单一损失，相较标准损失函数实现了 5% 的相对误差降低。我们的最终模型在全球 RA2 DREAM 挑战赛的关节间隙变窄任务中获第 4 名、关节侵蚀任务中获第 5 名。
引用
@article{arxiv.2104.13915,
title = {Deep Learning for Rheumatoid Arthritis: Joint Detection and Damage Scoring in X-rays},
author = {Krzysztof Maziarz and Anna Krason and Zbigniew Wojna},
journal= {arXiv preprint arXiv:2104.13915},
year = {2022}
}
备注
Presented at the Workshop on AI for Public Health at ICLR 2021