放射影像的大规模长尾疾病诊断
计算机视觉与模式识别
2024-06-18 v3
摘要
开发通用放射诊断系统可以极大地增强临床诊断能力。在本文中，我们介绍了 RadDiag，这是一个基础模型，支持跨多种模态和解剖结构的 2D 和 3D 输入，并利用基于 Transformer 的融合模块进行全面的疾病诊断。由于患者隐私顾虑以及缺乏大规模放射诊断数据集，我们利用了网上可用的高质量、经临床医生审查的带有诊断标签的放射影像。我们的数据集 RP3D-DiagDS 包含 40,936 个病例，共 195,010 次扫描，涵盖 5,568 种疾病（930 个独特的 ICD-10-CM 代码）。实验表明，借助知识增强策略，RadDiag 在内部评估中达到了 95.14% 的 AUC。此外，RadDiag 可以零样本应用或微调至源自不同医院的外部诊断数据集，并展现出最先进的结果。总之，我们表明互联网上公开共享的医疗数据是一种巨大且有价值的资源，有望支持构建通用医疗人工智能。
引用
@article{arxiv.2312.16151,
title = {Large-scale Long-tailed Disease Diagnosis on Radiology Images},
author = {Qiaoyu Zheng and Weike Zhao and Chaoyi Wu and Xiaoman Zhang and Lisong Dai and Hengyu Guan and Yuehua Li and Ya Zhang and Yanfeng Wang and Weidi Xie},
journal= {arXiv preprint arXiv:2312.16151},
year = {2024}
}