深度学习乳腺 X 线摄影模型在低筛查率人群中的验证
图像与视频处理
2019-11-04 v1 计算机视觉与模式识别
摘要
人工智能在医疗健康中的一项关键前景是增加服务不足人群和新兴市场获得优质医疗的机会。然而，深度学习模型通常仅在来自优势人群的数据上训练，这些人群具备大规模数据收集所需的基础设施与资源。本文旨在实证考察此类偏差对乳腺 X 线摄影中乳腺癌检测的潜在影响。我们具体探究一个在美国和英国筛查乳腺 X 线图像上训练的深度学习算法如何泛化到中国一家筛查未广泛实施的医院收集的影像。在评估中，我们使用了为 Digital Mammography DREAM Challenge 开发的得分最高模型。尽管机构和人群构成发生变化，我们发现该模型泛化良好，即使在控制肿瘤大小的情况下也表现出与 DREAM Challenge 中相似的性能。我们还展示了一种基于模型方差过滤预测的简便而有效的方法，该方法在新环境中部署时尤为有用。尽管开发临床有效系统包含诸多环节，这些结果代表了在向当前筛查率较低人群增加挽救生命的筛查性乳腺 X 线摄影可及性方面迈出了有希望的一步。
引用
@article{arxiv.1911.00364,
title = {Validation of a deep learning mammography model in a population with low screening rates},
author = {Kevin Wu and Eric Wu and Yaping Wu and Hongna Tan and Greg Sorensen and Meiyun Wang and Bill Lotter},
journal= {arXiv preprint arXiv:1911.00364},
year = {2019}
}