TB-Net：一种为从胸部 X 光图像检测结核病案例量身定制的自注意力深度卷积神经网络设计
图像与视频处理
2021-04-15 v2 计算机视觉与模式识别
机器学习
摘要
结核病（TB）仍是一个全球健康问题，并且是传染病导致死亡的首要原因。结核病治疗的关键一步是对高风险人群进行筛查以及疾病的早期检测，其中胸部 X 光（CXR）成像是最广泛使用的成像方式。因此，最近人们对基于人工智能的 TB 筛查解决方案产生了显著兴趣，用于缺乏具有 CXR 解读专长的训练有素医护人员的资源有限场景。受这一迫切需求以及世界卫生组织（WHO）近期关于使用计算机辅助诊断 TB 的建议推动，我们引入了 TB-Net，一种为 TB 病例筛查量身定制的自注意力深度卷积神经网络。更具体地，我们利用机器驱动设计探索构建了具注意力冷凝器的高度定制化深度神经网络架构。我们进行了可解释性驱动的性能验证过程以验证 TB-Net 的决策行为。来自多国患者队列的 CXR 数据上的实验表明，所提出的 TB-Net 能够实现 99.86%/100.0%/99.71% 的准确率/灵敏度/特异度。两名分别具有超过 10 年和 19 年经验的委员会认证放射科医生对精选案例进行了放射科医生验证，并显示出在放射科医生识别出异常的情况下，放射科医生的解读与 TB-Net 用于 TB 病例检测所利用的关键因素之间具有一致性。虽非生产就绪方案，我们希望作为 COVID-Net 计划一部分开源发布的 TB-Net 能够支持研究人员、临床医生及公民数据科学家推进该领域，以对抗这一全球公共卫生危机。
引用
@article{arxiv.2104.03165,
title = {TB-Net: A Tailored, Self-Attention Deep Convolutional Neural Network Design for Detection of Tuberculosis Cases from Chest X-ray Images},
author = {Alexander Wong and James Ren Hou Lee and Hadi Rahmat-Khah and Ali Sabri and Amer Alaref},
journal= {arXiv preprint arXiv:2104.03165},
year = {2021}
}
备注
10 pages