来自不同机器规格的胸部X射线的肺部异常查:基于AI的概括图像操纵管道

科学领域:

• 放射学和医学成像学 医学成像学
• 医疗保健中的人工智能
• 机器学习用于医学诊断

背景情况:

• 胸部X射线对于肺部异常查至关重要.
• 在特定的X射线设备上训练的AI模型往往无法将不同机器的图像概括为不同机器的图像.
• 在X射线机器规格的变化显著影响图像特征.

研究的目的:

• 开发和评估一种新的图像操纵管道,以改善用于胸部X射线分析的AI模型的概括性.
• 为了应对人工智能模型性能下降的挑战,由于不同的X射线机器规格.
• 为了提高AI驱动的肺异常查的临床适用性.

主要方法:

• 从五个机构收集了15010张胸部X射线,使用了具有不同发电机/探测器的系统.
• 开发了一种人工智能模型,用于使用来自单一系统的X射线进行肺部异常分类.
• 使用多中心外部数据集,将拟议的XM管道与传统方法 (HE,CLAHE,UM) 进行比较.

主要成果:

• XM-管道在来自各种机器规格的数据集中表现出卓越的性能.
• 与计算机放射学和移动X射线系统的传统方法相比,实现了更高的曲线下面面积 (AUC) 值.
• 与基因图平衡,CLAHE和不清晰的掩盖相比,诊断性能显著改善 (p <0.05).

结论:

• 拟议的XM管道显著提高了AI模型在不同机器配置的胸部X射线上的诊断性能.
• 这一管道促进了AI在各种X射线系统中广泛临床应用,用于肺部异常查.
• XM-管道有效地克服了AI模型在医学成像中的泛化局限性.