通过识别并去除混杂因素优化用于图像分析的胸部X光片
图像与视频处理
2022-08-23 v1 计算机视觉与模式识别
机器学习
摘要
在COVID-19大流行期间，为诊断COVID-19而在急诊环境中进行的大量影像检查导致临床CXR（胸部X光）采集存在广泛差异。这种差异体现在所使用的CXR投影、添加的图像标注以及临床图像的吸气程度和旋转程度上。图像分析界试图通过开发以CXR影像为输入的自动化COVID-19诊断算法，来缓解大流行期间放射科部门不堪重负的压力。大型公开可用的CXR数据集已被用来改进用于COVID-19诊断的深度学习算法。然而，公开数据集中临床采集的CXR的可变质量可能对算法性能产生深远影响。COVID-19诊断可能被算法从图像上的非解剖特征（如图像标签）推断出来。这些影像捷径可能是数据集特定的，并限制了AI系统的泛化能力。因此，在CXR图像分析之前，理解并纠正CXR图像中关键的潜在偏倚是必不可少的第一步。在本研究中，我们提出了一种简单有效的逐步预处理COVID-19胸部X光数据集以去除不良偏倚的方法。我们进行了消融实验以展示每个单独步骤的影响。结果表明，使用我们提出的流程可将基线COVID-19检测算法的准确率提高多达13%。
引用
@article{arxiv.2208.10320,
title = {Optimising Chest X-Rays for Image Analysis by Identifying and Removing Confounding Factors},
author = {Shahab Aslani and Watjana Lilaonitkul and Vaishnavi Gnanananthan and Divya Raj and Bojidar Rangelov and Alexandra L Young and Yipeng Hu and Paul Taylor and Daniel C Alexander and Joseph Jacob},
journal= {arXiv preprint arXiv:2208.10320},
year = {2022}
}