自主監督による配送停止検出 - 金属インプラントおよびその他の異常検出

科学分野:

• 医療イメージングにおける人工知能
• アノマリー検出のためのディープラーニング
• 医学画像分析 医学画像分析

背景:

• ディープラーニングモデルは,動作やインプラントからのアーティファクトのために,外部CTデータと苦労します.
• 監査されたモデルは,多様で目に見えない異常 (分布外データ) を特定するのに非実用的です.

研究 の 目的:

• 腹部骨盤CT検査における異常/分布外データを検出・識別するためのAIモデルを開発する.
• アノマリー検出を使用して下流AIアプリケーションのパフォーマンスを改善します.

主な方法:

• ベクトル定量化バリエーションオートエンコーダ (VQVAE) とビジョントランスフォーマーマスクされたオートエンコーダ (VIT-MAE) を使用した2Dおよび3D生成アーキテクチャの提案.
• メイオ・クリニックから2850以上の腹部・骨盤CTボリューム (成人>50歳) でトレーニングされています.
• AbdominalCT-1k. を含む,将来的および外部データセットでテストされています.

主要な成果:

• 生成型モデルは,無視可能な偽陽性で優れた結果を達成し,従来の方法よりも優れたパフォーマンスを発揮しました.
• 展望的な分析は,86.11%の真の陽性率を示し,文書化されていない異常を処理しました.
• AbdominalCT-1kデータセットの外部検証により,75.26%の真の陽性率が得られました.

結論:

• AIメソッドは,腹部CT画像のクラス内およびクラス間の分布外データを効果的に検出します.
• このアプローチは,CTデータセットの質を評価し,データキュレーションのための実行可能な洞察を提供することができます.
• このアルゴリズムは,安全なヘルスケアコラボレーションに役立つものであり,GitHub.で利用できます.