利用合成生成的计算机断层扫描（CT）图像改进结核病（TB）预测
图像与视频处理
2021-09-24 v1 计算机视觉与模式识别
机器学习
摘要
在放射影像上评估感染性疾病过程是医学图像分析中一项重要且具挑战性的任务。肺部感染的成像与评估通常最好通过计算机断层扫描（CT）完成，而在资源匮乏环境中往往无法获得CT，且危重患者也难以获取。另一方面，X射线作为一种不同的成像方式，价格低廉、常可在床旁进行且更为普及，但提供的是更简单的二维图像。我们展示，通过依赖一个学习从X射线合成生成CT图像的模型，我们可以提高自动疾病分类准确率，并为临床医生提供观察肺部疾病过程的不同视角。具体地，我们研究结核病（TB）——一种主要累及肺部但也累及其他器官系统的致命细菌性传染病。我们展示，依赖合成生成的CT使TB识别率比X射线基线提高7.50%，并更好区分TB特征达12.16%。
引用
@article{arxiv.2109.11480,
title = {Improving Tuberculosis (TB) Prediction using Synthetically Generated Computed Tomography (CT) Images},
author = {Ashia Lewis and Evanjelin Mahmoodi and Yuyue Zhou and Megan Coffee and Elena Sizikova},
journal= {arXiv preprint arXiv:2109.11480},
year = {2021}
}
备注
Accepted to International Conference on Computer Vision (ICCV) 2021 Computer Vision for Automated Medical Diagnosis (CVAMD) Workshop