MobilePTX：面向有限训练样本的气胸检测稀疏编码方法
计算机视觉与模式识别
2022-12-09 v2
摘要
床旁超声(POCUS)是指由临床医生在患者床边执行并解读的超声检查。解读这些图像需要较高水平的专业知识，在紧急情况下可能难以具备。本文通过开发分类器来支持POCUS，辅助医疗专业人员诊断患者是否患有气胸。我们将任务分解为多个步骤，使用YOLOv4提取视频的相关区域，并使用3D稀疏编码模型表示视频特征。鉴于获取阳性训练视频的困难，我们训练了一个最多包含15个阳性样本和32个阴性样本的小数据分类器。为抵消这一限制，我们利用主题专家(SME)知识来限制假设空间，从而降低数据收集成本。我们使用两个肺部超声数据集展示了结果，并证明我们的模型在气胸识别上能够达到与SME相当的性能。随后我们开发了一款iOS应用，在iPad Pro上以不到4秒、在iPhone 13 Pro上以不到8秒的时间运行完整系统，标注肺部超声图中的关键区域以提供可解释的诊断。
引用
@article{arxiv.2212.03282,
title = {MobilePTX: Sparse Coding for Pneumothorax Detection Given Limited Training Examples},
author = {Darryl Hannan and Steven C. Nesbit and Ximing Wen and Glen Smith and Qiao Zhang and Alberto Goffi and Vincent Chan and Michael J. Morris and John C. Hunninghake and Nicholas E. Villalobos and Edward Kim and Rosina O. Weber and Christopher J. MacLellan},
journal= {arXiv preprint arXiv:2212.03282},
year = {2022}
}
备注
IAAI 2023 (7 pages)