PECon：用于增强 CT 与 EHR 数据间特征对齐以改善肺栓塞诊断的对比预训练
计算机视觉与模式识别
2023-08-29 v1 人工智能
摘要
以往的深度学习工作集中于利用卷积神经网络（CNN）从计算机断层扫描（CT）改善肺栓塞（PE）诊断性能。然而，仅来自 CT 扫描的特征并不总是足以诊断 PE。CT 扫描结合电子健康记录（EHR）可更好地洞察患者状况，并带来更准确的 PE 诊断。在本文中，我们提出使用对比学习的肺栓塞检测（PECon），一种利用患者 CT 扫描及 EHR 数据的有监督对比预训练策略，旨在增强两种模态间特征表示的对齐并利用信息改善 PE 诊断。为此，我们利用类标签将同类样本特征拉近，同时将异类样本特征推远。结果表明，所提工作优于现有技术，并在 RadFusion 数据集上以 0.913 的 F1 分数、0.90 的准确率和 0.943 的 AUROC 取得最先进性能。此外，我们还探讨了与其他方法相比我们方法的可解释性。我们的代码公开于 https://github.com/BioMedIA-MBZUAI/PECon。
引用
@article{arxiv.2308.14050,
title = {PECon: Contrastive Pretraining to Enhance Feature Alignment between CT and EHR Data for Improved Pulmonary Embolism Diagnosis},
author = {Santosh Sanjeev and Salwa K. Al Khatib and Mai A. Shaaban and Ibrahim Almakky and Vijay Ram Papineni and Mohammad Yaqub},
journal= {arXiv preprint arXiv:2308.14050},
year = {2023}
}