基于稠密卷积网络在胸部X线片上对胸部疾病进行多标签分类
图像与视频处理
2024-04-02 v4 人工智能
计算机视觉与模式识别
机器学习
摘要
传统的X射线图像病理识别方法严重依赖熟练的人工判读，且往往耗时。深度学习技术的出现使得自动化疾病诊断系统的开发成为可能。然而，此类系统的性能对终端用户而言并不透明，且局限于检测单一病理。本文提出一种多标签疾病预测模型，可在给定测试时刻检测一种以上病理。我们采用稠密卷积神经网络（DenseNet）进行疾病诊断。所提模型在心脏肥大（Cardiomegaly）条件下取得最高AUC分数0.896，准确率为0.826，而在结节（Nodule）上取得最低AUC分数0.655，准确率为0.66。为建立决策信任，我们在X射线上生成热图以可视化模型做出特定预测时所关注的区域。所提自动化疾病预测模型在多标签疾病预测任务中获得了高置信度的高性能度量。
引用
@article{arxiv.2202.03583,
title = {Multi-Label Classification of Thoracic Diseases using Dense Convolutional Network on Chest Radiographs},
author = {Dipkamal Bhusal and Sanjeeb Prasad Panday},
journal= {arXiv preprint arXiv:2202.03583},
year = {2024}
}
备注
13 pages