利用计算机视觉从胸部 X 光片预测射血分数以诊断心力衰竭
图像与视频处理
2022-12-26 v1 计算机视觉与模式识别
摘要
心力衰竭仍是一项成本不断攀升的重大公共卫生挑战。射血分数（EF）是心力衰竭诊断与管理的关键指标，然而使用超声心动图估算 EF 对医疗系统而言仍显昂贵，且存在操作者间/操作者内变异性。尽管胸部 X 光片（CXR）快速、廉价且所需专业知识较少，但人眼从中无法获取足够信息以估算 EF。本工作探索了仅从 CXR 利用计算机视觉技术预测降低的 EF 的有效性。我们研究了一个来自 MIMIC CXR-jpg（MCR）数据集的 3488 张 CXR 的数据集。我们的工作使用多种最先进的卷积神经网络架构建立了基准。后续分析表明，将模型参数量从 8M 增至 23M 提升了分类性能且未对该数据集过拟合。我们进一步展示了 CXR 旋转与随机裁剪等数据增强技术如何将模型性能再提升约 5%。最后，我们利用显著性图与 Grad-CAM 进行误差分析，以更好地理解卷积模型在此任务上的失败模式。
引用
@article{arxiv.2212.09860,
title = {Predicting Ejection Fraction from Chest X-rays Using Computer Vision for Diagnosing Heart Failure},
author = {Walt Williams and Rohan Doshi and Yanran Li and Kexuan Liang},
journal= {arXiv preprint arXiv:2212.09860},
year = {2022}
}