PneumoXttention：一种借助注意力机制补偿人类在 CXR 图像肺炎检测中易错性的 CNN
图像与视频处理
2022-06-15 v1 人工智能
计算机视觉与模式识别
摘要
由机器自动解读胸部 X 射线（CXR）是人工智能的一个重要研究课题。作为我参加加州科学博览会历程的一部分，我开发了一种可从 CXR 图像中检测肺炎以补偿人类易错性的算法。我的算法 PneumoXttention 是两个 13 层卷积神经网络的集成，在 RSNA 数据集上训练；该数据集由北美放射学会提供，包含 26,684 张正面 X 射线图像，分为肺炎与非肺炎两类。该数据集由北美众多专业放射科医生标注。它在测试集（RSNA 数据集的 20% 随机划分）上取得了令人印象深刻的 F1 分数 0.82，并在从 RSNA 和 NIH 抽取的 25 张随机测试图像上完全补偿了人类放射科医生。我没有直接对比，但斯坦福的 Chexnet 在 NIH 数据集肺炎类别上的 F1 分数为 0.435。
引用
@article{arxiv.2008.04907,
title = {PneumoXttention: A CNN compensating for Human Fallibility when Detecting Pneumonia through CXR images with Attention},
author = {Sanskriti Singh},
journal= {arXiv preprint arXiv:2008.04907},
year = {2022}
}
备注
9 pages, 7 figures