影子与光：基于数字重建 X 射线的疾病分类
图像与视频处理
2024-06-07 v1 计算机视觉与模式识别
摘要
本文介绍了 DRR-RATE，一款来自最近公开的 CT-RATE 数据集的大规模合成胸部 X 射线数据集。DRR-RATE 包含 50,188 张来自 21,304 名患者的正位 Digitally Reconstructed Radiographs (DRR)。每张图像都配有对应的放射学文本报告以及 18 种病理类型的二元标签。由于 DRR 生成过程可控，本数据集可以包含侧位图像以及任何期望视角的图像。这为涉及配对 CT、来自不同视角的 X 射线、文本和二元标签的新型多模态应用提供了研究机会。我们证明了 DRR-RATE 在现有大规模胸部 X 射线资源（尤其是 CheXpert 数据集和 CheXnet 模型）中的适用性。实验表明，训练并在 DRR-RATE 数据集上测试的 CheXnet 可为文献中列出的六种常见病理（Atelectasis、Cardiomegaly、Consolidation、Lung Lesion、Lung Opacity、Pleural Effusion）获得充分甚至高的 AUC 分数。此外，即使在分布外的情况下，CheXnet 也能准确识别多种病理，这表明生成的 DRR 图像有效地捕获了来自 CT 图像的关键病理特征。该数据集和标签可在 https://huggingface.co/datasets/farrell236/DRR-RATE 公开获取。
引用
@article{arxiv.2406.03688,
title = {Shadow and Light: Digitally Reconstructed Radiographs for Disease Classification},
author = {Benjamin Hou and Qingqing Zhu and Tejas Sudarshan Mathai and Qiao Jin and Zhiyong Lu and Ronald M. Summers},
journal= {arXiv preprint arXiv:2406.03688},
year = {2024}
}