深度学习助力异常胸部X光片检测

发布人：GoogleHealth软件工程师ZaidNabulsi和Po-HsuanCameronChen

在医学成像中应用机器学习(ML)，为改善胸部X光(CXR)图像解读的可用性、延迟时间、准确率和一致性提供了绝佳的机会。事实上，我们已经开发了大量的算法来检测如肺癌、肺结核和气胸等特定疾病。然而，由于这些算法是被训练用于检测特定疾病，其在普遍临床环境下的实用性可能会受到限制，因为这种环境下可能会出现各种各样的异常情况。例如，我们无法通过气胸检测算法发现癌症结节，而肺结核检测算法可能也无法识别肺炎特有的症状。由于初始分诊步骤是确定CXR是否包含相关的异常，如果能使用一种通用算法，以识别包含任何异常情况的X光图像，即可大大简化工作流。然而，由于在CXR上出现的异常情况种类繁多，开发能识别所有异常情况的分类算法可谓充满挑战。

我们发表于《科学报告》的“深度学习用于区分正常和异常胸部放射照片，并泛化到两种未知疾病：结核病与新冠肺炎(DeepLearningforDistinguishingNormalversusAbnormalChestRadiographsandGeneralizationtoTwoUnseenDiseasesTuberculosisandCOVID-19)”一文中提出了一个模型，该模型可以在多个去识别化的数据集和环境中区分正常和异常的CXR。我们发现，该模型在检测一般的异常情况以及结核病和新冠肺炎等未知病例方面表现良好。我们还针对公开可用的ChestX-ray14数据集发布了本研究中用到的测试集的放射科医生标签集[1]。

深度学习用于区分正常和异常胸部放射照片，并泛化到两种未知疾病：结核病与新冠肺炎

转载请注明：http://www.ohbqo.com/yfzl/12661.html