基于CT投影的胸部X光详细标注以支持报告理解
计算机视觉与模式识别
2022-10-10 v1
摘要
在临床放射学报告中，医生记录有关患者健康状况的重要信息。他们传达从原始医学影像数据中对患者内部结构的观察。因此，撰写报告要求医学专家具备关于解剖区域正常健康外观的广博知识，以及识别异常的能力。当前医学图像处理系统正缺乏这种对患者解剖结构及其外观的明确掌握，因为标注尤其难以收集。这使得模型成为狭窄的专家，例如仅用于识别特定疾病。在本工作中，我们通过将人体解剖结构引入其中来恢复这一缺失环节，并实现医学报告内容与其在相关图像中出现的关联（医学短语定位）。为利用该场景下的解剖结构，我们提出一个精细的自动流程，从计算机断层扫描数据集中收集并整合人体结构，并将其纳入我们的PAXRay：用于X光数据中解剖结构分割的投影数据集。我们的评估表明，利用解剖信息的方法在视觉定位放射科医生发现方面获益显著，因为我们的解剖分割相较常用区域提议，在OpenI数据集上可实现绝对最高50%更好的定位结果。PAXRay数据集可在 https://constantinseibold.github.io/paxray/ 获取。
引用
@article{arxiv.2210.03416,
title = {Detailed Annotations of Chest X-Rays via CT Projection for Report Understanding},
author = {Constantin Seibold and Simon Reiß and Saquib Sarfraz and Matthias A. Fink and Victoria Mayer and Jan Sellner and Moon Sung Kim and Klaus H. Maier-Hein and Jens Kleesiek and Rainer Stiefelhagen},
journal= {arXiv preprint arXiv:2210.03416},
year = {2022}
}
备注
33rd British Machine Vision Conference (BMVC 2022)