基于RNN的患者监测改进胸部X光分类
机器学习
2022-10-31 v1 计算机视觉与模式识别
摘要
胸部X光成像是用于检测胸部区域及肺功能相关各类病变最常见的放射学工具之一。在临床环境中，胸部放射图像的自动评估有潜力辅助医师决策并优化临床工作流，例如通过优先处理急诊患者。多数分析机器学习模型分类胸部X光图像潜力的工作聚焦于一次处理并预测单张图像病变的视觉方法。然而，许多患者在治疗过程或单次住院期间会多次接受此类检查。患者病史，即先前的图像尤其是相应诊断，包含有助于分类系统预测的实用信息。本研究中，我们通过从被广泛研究的CheXpert胸部X光数据集构建新数据集，分析诊断信息如何改进基于CNN的图像分类模型。我们表明，训练于额外患者病史信息的模型以显著优势优于未使用该信息训练的模型。我们提供了复现数据集创建与模型训练的代码。
引用
@article{arxiv.2210.16074,
title = {Improving Chest X-Ray Classification by RNN-based Patient Monitoring},
author = {David Biesner and Helen Schneider and Benjamin Wulff and Ulrike Attenberger and Rafet Sifa},
journal= {arXiv preprint arXiv:2210.16074},
year = {2022}
}
备注
To be published in proceedings of IEEE International Conference on Machine Learning Applications IEEE ICMLA 2022