利用深度迁移学习识别无疾病胸部 X 射线图像
计算机视觉与模式识别
2019-04-04 v1
摘要
胸部 X 射线（CXR）是最常用的医学图像模态之一。它们大多用于筛查，疾病指征通常会导致后续检查。由于这主要是一项用于排除胸部异常的筛查测试，申请检查的临床上通常关注 CXR 是否正常。一个能够准确从所有申请的 CXR 中筛出哪怕一小部分“真正正常”检查的机器学习算法，将极有益于减轻放射科医生的工作负担。本工作中，我们报告了一个为分类 CXR 而训练的深度神经网络，目标是识别大量正常（无疾病）图像而不冒放走病患的风险。我们使用 ImageNet 预训练的 Inception-ResNet-v2 模型提供图像特征，并进一步用于在由专家放射科医生标注的 CXR 上训练模型。分类的概率阈值针对正常类 100% 精确率进行优化，确保无病患被释放。在该阈值下我们报告平均召回率为 50%。这意味着所提方案有潜力将放射科医生检查的无疾病 CXR 数量减半，且不冒放走病患的风险。
引用
@article{arxiv.1904.01654,
title = {Identifying disease-free chest X-ray images with deep transfer learning},
author = {Ken C. L. Wong and Mehdi Moradi and Joy Wu and Tanveer Syeda-Mahmood},
journal= {arXiv preprint arXiv:1904.01654},
year = {2019}
}
备注
SPIE Medical Imaging, 2019 (oral presentation)