从使用解剖学意识深度学习模型的胸部X射线图像预测COVID-19的严重程度
Nusrat Binta Nizam1, Sadi Mohammad Siddiquee1, Mahbuba Shirin2
1mHealth Research Group, Department of Biomedical Engineering, Bangladesh University of Engineering and Technology (BUET), Dhaka, 1205, Bangladesh.
Journal of digital imaging
|June 27, 2023
概括
这项研究引入了使用胸部X射线进行COVID-19严重性评估的解剖意识深度学习模型. 该模型改善了地理范围的评分,帮助缺乏放射科医生的低资源医院.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 放射学 放射学是一门学科.
背景情况:
- 全球范围内,COVID-19大流行病对医院患者管理系统造成了压力.
- 放射性成像,特别是胸部X射线 (CXR),对于评估COVID-19的严重程度至关重要.
- 由于患者人数不断增加和放射科医生短缺,自动化评估至关重要.
研究的目的:
- 从CXR图像开发一个解剖意识 (AA) 深度学习模型,用于从CXR图像预测COVID-19的严重程度.
- 为了解决以前模型的局限性,这些模型没有明确考虑解剖学属性.
- 提供一个有效的工具,用于低资源的设置和地区,有限的技术放射科医生.
主要方法:
- 提出了一个具有解剖意识 (AA) 的深度学习模型,包含肺部细分面具.
- 该模型从X射线图像中学习通用特征,考虑解剖信息.
- 利用四个开源数据集和一个内部注释测试集进行培训和评估.
主要成果:
- 该AA模型将地理范围的得分提高了11% (MSE).
- 该模型保持了肺不透明度评分的基准性能.
- 从胸部X射线图像中预测COVID-19严重性的有效性得到证明.
结论:
- 拟议的AA深度学习模型准确地预测了CXR的COVID-19严重程度.
- 模型考虑解剖信息的能力提高了预测准确度.
- 这种方法在资源有限的医疗保健环境中为COVID-19严重程度评估提供了有价值的工具.
