基于放射组学特征与对比学习的胸片肺炎检测
计算机视觉与模式识别
2022-05-06 v2 图像与视频处理
摘要
由于其无创性，胸片已成为最常见的医学诊断手段之一。胸片图像数量激增，但阅片仍由放射科医生手动完成，这造成了巨大的职业倦怠和延误。传统上，放射组学作为放射学的一个子领域，能在深度学习时代之前从医学图像中提取大量定量特征，展现出辅助医学影像诊断的潜力。随着深度学习的兴起，深度神经网络在胸片诊断中的可解释性仍不透明。在本研究中，我们提出了一种利用放射组学特征和对比学习检测胸片中肺炎的新框架。在 RSNA 肺炎检测挑战数据集上的实验表明，我们的模型取得了优于若干 SOTA 模型的结果（F1 分数提升 > 10%），并增强了模型的可解释性。
引用
@article{arxiv.2101.04269,
title = {Pneumonia Detection on Chest X-ray using Radiomic Features and Contrastive Learning},
author = {Yan Han and Chongyan Chen and Ahmed H Tewfik and Ying Ding and Yifan Peng},
journal= {arXiv preprint arXiv:2101.04269},
year = {2022}
}
备注
Accepted for ISBI 2021