基于深度学习的多标签胸部 X 光分类

在疫情时代,医疗行业的未来从未如此令人振奋。人工智能与机器学习(AI & ML)为开发满足行业内特定需求的解决方案提供了机遇。医疗中的深度学习在支持诊所和转变患者护理方面已变得极其强大。深度学习正日益被用于检测图像中超出人眼可感知范围的临床重要特征。胸部 X 光图像是诊断肺炎、肺癌及病变和骨折等许多其他异常最常见的临床方法之一。即使对专家放射科医生而言,从 X 光图像中正确诊断疾病通常也是一项具有挑战性的任务,并且由于 X 光图像中编码的大量信息,对计算机辅助系统的需求日益增长。本文的目标是开发一种轻量级解决方案,从一张 X 光图像中检测 14 种不同的胸部状况。给定一张 X 光图像作为输入,我们的分类器输出一个标签向量,指示该图像属于 14 种疾病类别中的哪些。除图像特征外,我们还将使用数据中可用的非图像特征,如 X 光视图类型、年龄、性别等。Stanford ML Group 开展的原始研究是我们的基线。原始研究聚焦于预测 5 种疾病。我们的目标是改进先前工作,将预测扩展至 14 种疾病,并为未来胸部放射学研究提供见解。