使用深度神经网络以放射科医生水平性能检测髋部骨折
计算机视觉与模式识别
2017-11-20 v1 机器学习
摘要
我们开发了一个自动化深度学习系统，用于从正面骨盆 X 光片中检测髋部骨折，这是一项重要且常见的放射学任务。我们的系统在一个十年的临床 X 光片（约 53,000 项研究）上训练，并可应用于临床数据，自动排除不适当和技术上不满意的 study。我们展示了等同于人类放射科医生的诊断性能，以及 0.994 的 ROC 曲线下面积。转化到临床实践中，此类系统有潜力提高诊断效率、减少对昂贵额外检测的需求、扩展对专家级医学图像解读的获取，并改善总体患者预后。
引用
@article{arxiv.1711.06504,
title = {Detecting hip fractures with radiologist-level performance using deep neural networks},
author = {William Gale and Luke Oakden-Rayner and Gustavo Carneiro and Andrew P. Bradley and Lyle J. Palmer},
journal= {arXiv preprint arXiv:1711.06504},
year = {2017}
}
备注
6 pages