基于胸部X光片的 COVID-19 视觉特征层次化分析
图像与视频处理
2021-07-15 v1 计算机视觉与模式识别
机器学习
摘要
在整个 COVID-19 大流行期间，胸部放射摄影一直是重症监护病房（ICU）中患者分诊和资源管理的推荐流程。旨在增强该工作流的机器学习努力长期受限于报告、模型评估和失效模式分析方面的不足。为解决其中一些缺陷，我们用与人类可解释且与放射学决策过程相对齐的类层次结构来建模放射学特征。此外，我们提出使用数据驱动的误差分析方法来揭示模型的盲点，从而为其临床效用提供进一步的透明度。例如，我们的实验表明，模型失效与 ICU 成像条件以及区分某些类型放射学特征的内在困难高度相关。同时，我们的层次化解释与分析有助于与放射科医师的发现及相互变异性进行比较，这反过来帮助我们更好地评估模型的临床适用性。
引用
@article{arxiv.2107.06618,
title = {Hierarchical Analysis of Visual COVID-19 Features from Chest Radiographs},
author = {Shruthi Bannur and Ozan Oktay and Melanie Bernhardt and Anton Schwaighofer and Rajesh Jena and Besmira Nushi and Sharan Wadhwani and Aditya Nori and Kal Natarajan and Shazad Ashraf and Javier Alvarez-Valle and Daniel C. Castro},
journal= {arXiv preprint arXiv:2107.06618},
year = {2021}
}
备注
Presented at ICML 2021 Workshop on Interpretable Machine Learning in Healthcare