使用双卷积神经网络大规模自动阅读前后位与侧位胸部X光片
计算机视觉与模式识别
2018-04-26 v2 机器学习
摘要
MIMIC-CXR数据集是（迄今为止）已发布的最大胸部X光数据集，包含从63,478名患者收集的473,064张胸部X光片和206,574份放射学报告。我们展示了在该数据集上训练并评估一组深度卷积神经网络(CNN)以识别多种常见胸部疾病的结果。据我们所知，这是首项在此类大规模胸部X光图像集合上训练CNN完成该任务的工作，其规模超过此前发布的最大胸部X光语料库（ChestX-Ray14）的四倍。我们描述并评估了在前后位和侧位CXR视图类型上分别训练的单个CNN模型。此外，我们提出了一种新颖的DualNet架构，它通过同时处理放射学检查获得的前后位和侧位CXR图像来模拟常规临床实践。与分别应用独立的前后位和侧位基线分类器相比，我们的DualNet架构在识别CXR图像中的征象方面表现出改进的性能。
引用
@article{arxiv.1804.07839,
title = {Large Scale Automated Reading of Frontal and Lateral Chest X-Rays using Dual Convolutional Neural Networks},
author = {Jonathan Rubin and Deepan Sanghavi and Claire Zhao and Kathy Lee and Ashequl Qadir and Minnan Xu-Wilson},
journal= {arXiv preprint arXiv:1804.07839},
year = {2018}
}
备注
First draft, under review