局部自适应提升自动化X射线胸廓疾病检测深度学习模型的准确率：一项泰国研究
图像与视频处理
2020-05-13 v3 机器学习
机器学习
摘要
尽管在医学图像诊断的人工智能领域已有大量极具前景的研究，但在泰国尚未开展大规模验证研究，以确认此类算法应用于本地数据集时的准确性与实用性。本文利用421,859张本地胸部X光片，对用于自动化胸廓疾病检测的深度学习算法进行了广泛的开发与测试。我们的研究表明，卷积神经网络在检测胸部X光片上的13种常见异常状况方面能够取得出色的性能，而将本地图像纳入训练集是该模型成功的关键。本文提出了一种用于CXR异常检测的最先进模型，其平均AUROC达到0.91。该模型若集成到工作流程中，可使医疗从业者在CXR分析过程中的工作量减少高达55.6%。我们的工作强调了投资本地医学诊断算法研究的重要性，以确保其在目标区域内安全高效地使用。
引用
@article{arxiv.2004.10975,
title = {Local Adaptation Improves Accuracy of Deep Learning Model for Automated X-Ray Thoracic Disease Detection : A Thai Study},
author = {Isarun Chamveha and Trongtum Tongdee and Pairash Saiviroonporn and Warasinee Chaisangmongkon},
journal= {arXiv preprint arXiv:2004.10975},
year = {2020}
}
备注
9 pages, 2 figure, 3 tables