深度学习启用检测肺上皮质在仰卧和直立的腹部X射线:使用转移学习和半监督学习的建模
Sangjoon Park1, Jong Chul Ye2, Eun Sun Lee3,4
1Department of Bio and Brain Engineering, Korea Advanced Institute of Science and Technology, Daejeon, Korea.
Korean journal of radiology
|June 4, 2023
概括
一个新的深度学习模型在腹部放射图上准确地检测肺上皮质,即使在具有挑战性的仰卧姿势中也是如此. 这种AI工具有助于放射科医生,提高肺膜检测的诊断准确度.
科学领域:
- 放射学 放射学是一门学科.
- 人工智能的人工智能
- 医疗成像医学成像
背景情况:
- 在腹部X射线上检测肺,特别是当患者躺卧时,会带来诊断挑战.
- 深度学习提供了一个潜在的解决方案,以提高肺皮检测的准确性和效率.
研究的目的:
- 开发和外部验证一个深度学习模型,用于检测肺上皮,使用卧和直立的腹部X光学.
- 与人类放射科医生相比,评估模型的性能.
主要方法:
- 使用知识蒸和利用视觉转换器的半监督学习方法 (DISTL) 开发了一个深度学习模型.
- 该模型在胸部X射线图上进行了预训练,然后在标记和未标记的腹部X射线图上进行了微调和自我训练.
- 在多个数据集上进行了内部和外部验证,使用接收器操作特征曲线 (AUC) 下的面积来评估性能.
主要成果:
- 该模型在内部验证中实现了高AUC (直立高达0.968,仰卧高达0.881).
- 外部验证显示,AUC高达0.944 (直立) 和0.852 (仰卧) 的表现强.
- 在深度学习模型的帮助下,放射科医生的诊断性能得到了改善.
结论:
- 开发的深度学习模型,使用DISTL方法进行训练,在腹部X射线图上准确地检测肺.
- 该模型在仰卧和勃起的患者姿势中都表现出有效性,为临床实践提供了有价值的工具.
