用于肺部疾病检测的多标签分类:深度学习与自然语言处理的融合
计算机视觉与模式识别
2024-12-17 v1 机器学习
图像与视频处理
摘要
对胸部 X 光片进行分类是一项耗时且具有挑战性的任务,即使对于经验丰富的放射科医生也是如此。由于难以精确区分胸腔积液、气胸和肺炎等病症,这提供了一个有待改进的领域。我们提出了一种用于多标签肺部疾病分类的新型迁移学习模型,利用 CheXpert 数据集分析了超过 12,617 张正位 X 光片图像。通过集成 RadGraph 解析以高效提取标注,我们增强了模型从复杂医学图像中准确分类多种肺部疾病的能力。所提出的模型取得了 0.69 的 F1 分数和 0.86 的 AUROC,证明了其在临床应用中的潜力。此外,我们还探索了使用自然语言处理(NLP)来解析报告元数据并解决疾病分类中的不确定性。通过将不确定的报告与更确定的病例进行比较,NLP 增强的模型提高了其明确分类病症的能力。本研究突出了深度学习与 NLP 之间的联系,强调了它们在增强放射诊断和辅助高效分析胸部 X 光片方面的潜力。
引用
@article{arxiv.2412.11452,
title = {Multilabel Classification for Lung Disease Detection: Integrating Deep Learning and Natural Language Processing},
author = {Maria Efimovich and Jayden Lim and Vedant Mehta and Ethan Poon},
journal= {arXiv preprint arXiv:2412.11452},
year = {2024}
}
备注
All authors contributed equally