更可靠的AI解决方案：基于多AI组合的乳腺超声诊断
计算机视觉与模式识别
2021-07-13 v2
摘要
目的：乳腺癌筛查在当代女性健康预防中具有重要意义。现有嵌入AI系统的机器未达到临床医生期望的准确度。如何使智能系统更可靠是一个共性问题。方法：1）超声图像超分辨率：SRGAN超分辨率网络降低了设备本身引起的超声图像不清晰，提高了检测模型的准确度和泛化能力。2）针对医学图像需求，我们改进了YOLOv4和CenterNet模型。3）多AI模型：基于不同AI模型各自优势，我们采用两个AI模型交叉验证以确定临床结果，并接受相同结果而拒绝其他结果。结果：1）在超分辨率模型辅助下，YOLOv4模型和CenterNet模型的mAP分数分别提升9.6%和13.8%。2）提出了两种将目标模型转化为分类模型的方法，并以指定格式统一输出以便多AI模型调用。3）在分类评估实验中，由YOLOv4模型（灵敏度57.73%，特异度90.08%）与CenterNet模型（灵敏度62.64%，特异度92.54%）拼接而成的多AI模型将对23.55%的输入数据拒绝判断。相应地，性能大幅提升至灵敏度95.91%、特异度96.02%。结论：我们的工作使AI模型在医学图像诊断中更可靠。意义：1）所提方法使目标检测模型更适用于乳腺超声图像诊断。2）为医学诊断中的人工智能提供新思路，可更便捷地引入其他领域目标检测模型服务于医学病灶筛查。
引用
@article{arxiv.2101.02639,
title = {More Reliable AI Solution: Breast Ultrasound Diagnosis Using Multi-AI Combination},
author = {Jian Dai and Shuge Lei and Licong Dong and Xiaona Lin and Huabin Zhang and Desheng Sun and Kehong Yuan},
journal= {arXiv preprint arXiv:2101.02639},
year = {2021}
}
备注
12 pages, 6 figures, 6 tables