利用深度神经网络解读乳腺 X 光片和胸部 X 光报告——初步结果
计算机视觉与模式识别
2017-09-14 v3
摘要
放射学报告是放射科医生与其他医师之间沟通的重要手段。这些报告表达了放射科医生对医学影像检查的解读，对于确立诊断和制定治疗计划至关重要。在本文中，我们提出了一种双向卷积神经网络（Bi-CNN）模型，用于基于乳腺密度对乳腺 X 光片进行解读和分类，以及基于胸部病理对胸部 X 光放射学报告进行解读和分类。所提出的方法有助于组织放射学报告数据库、快速检索报告，并评估可用于审计系统以减少误诊的放射学报告。我们的研究表明，所提出的 Bi-CNN 优于随机森林和支持向量机方法。
引用
@article{arxiv.1708.09254,
title = {Interpretation of Mammogram and Chest X-Ray Reports Using Deep Neural Networks - Preliminary Results},
author = {Hojjat Salehinejad and Shahrokh Valaee and Aren Mnatzakanian and Tim Dowdell and Joseph Barfett and Errol Colak},
journal= {arXiv preprint arXiv:1708.09254},
year = {2017}
}
备注
This paper is submitted for peer-review