人工智能在使用像素强度计数的胸部X射线中识别自我报告的种族的能力
John Lee Burns1, Zachary Zaiman2, Jack Vanschaik1
1Indiana University, School of Informatics, Indianapolis, Indiana, United States.
Journal of medical imaging (Bellingham, Wash.)
|August 7, 2023
概括
只有使用灰度尺度像素强度数据,可以从胸部X射线中预测种族. 这一发现表明,种族嵌入到图像像素值中,而不仅仅是物理结构,影响机器学习分类任务.
科学领域:
- 医学成像分析 医学成像分析
- 医疗保健中的机器学习
- 放射学研究 放射学研究
背景情况:
- 之前的研究利用卷积神经网络从各种医学成像模式预测自我报告的种族.
- 在X射线图像中进行种族预测的基本机制仍然不清楚,需要调查它是否依赖于物理结构或像素数据.
研究的目的:
- 了解X射线图像中种族预测的机制.
- 调查是否从灰度像素强度而不是物理图像结构中预测种族.
主要方法:
- 对2021年的298,827张胸部X射线图像进行了回顾性分析.
- 删除了图像结构,专注于灰度值计数 (每图像百分比 - PPI).
- 多变量差异分析 (MANOVA) 和机器学习模型 (前网络,决策树) 用于使用PPI预测自我报告的种族.
主要成果:
- MANOVA证实了不同种族群体灰度值计数的统计学上显著差异.
- 在使用灰度PPI预测比赛时,梯度增强树木实现了接受器操作特征 (AUROC) 下的面积为77.24%.
- 转发网络的表现有限 (AUROC 69.18%).
结论:
- 仅仅灰度图像强度值的计数是预测患者在胸部X射线中自我报告的种族的统计学上显著的指标.
- 这些发现表明,医学成像中的种族预测可能依赖于嵌入的像素数据,而不是仅仅依赖于解剖特征.


