基于可解释自监督深度神经网络的结核病筛查
图像与视频处理
2025-03-12 v1 计算机视觉与模式识别
机器学习
摘要
结核病仍是全球健康危机，尤其在资源有限地区和偏远地区，每年新增感染者超过1000万人。它是公共卫生公平性的尖锐象征。结核病影响约全球人口的四分之一，大部分病例集中在八个国家，占所有结核病感染的三分之二。虽然这是一种严重疾病，但结核病是可治愈且可管理的。然而，及早检测和筛查高风险人群至关重要。胸部X光是结核病筛查中主要使用的影像技术。然而，X光筛查需要专业放射科医生，而这类资源在偏远地区往往稀缺。因此，迫切需要人工智能(AI)驱动的系统来支持临床医生和医疗机构进行快速筛查。然而，训练可靠的AI模型需要大量高质量数据，获取起来困难且昂贵。鼓舞于此，我们引入了一个用于结核病病例筛查的可解释自监督自训练学习网络。该网络在整体准确率方面达到98.14%，在识别结核病病例方面，召回率和精确率分别达到95.72%和99.44%，有效捕捉临床相关特征。
引用
@article{arxiv.2406.13750,
title = {Empowering Tuberculosis Screening with Explainable Self-Supervised Deep Neural Networks},
author = {Neel Patel and Alexander Wong and Ashkan Ebadi},
journal= {arXiv preprint arXiv:2406.13750},
year = {2025}
}
备注
9 pages, 3 figures