通过监督的对抗性域调整来解决胸部X射线分类中跨人口域转移的问题
Aminu Musa1,2, Rajesh Prasad3,4, Monica Hernandez5
1Deparment of Computer Science, African University of Science and Technology, Abuja, 900107, Nigeria. musa.aminu@fud.edu.ng.
Scientific reports
|April 3, 2025
概括
医学成像中的人工智能 (AI) 面临着领域转移的挑战. 一种新的对抗领域适应技术改善了不同人群的胸部X射线分类准确性,提高了AI诊断.
科学领域:
- 人工智能的人工智能
- 医疗成像医学成像
- 计算机科学 计算机科学
背景情况:
- 人工智能 (AI) 对于医疗保健中的医学图像分析至关重要.
- 机器学习模型在领域转移方面扎,限制了跨不同患者群体的概括.
- 胸部X射线分类面临的挑战是由于跨种群的变化,特别是代表性不足的群体.
研究的目的:
- 为了调查不同人群的胸部X射线分类领域转移问题.
- 提出和评估一个监督的对抗性域调整 (ADA) 技术,以解决跨人群的域转移问题.
- 改善AI模型在代表性不足的数据集上的性能.
主要方法:
- 分析了使用三个来源人口数据集和尼日利亚胸部X射线数据集作为目标的域转移影响.
- 开发了一种监督对抗域适应 (ADA) 方法,涉及特征提取器和对抗域区分器.
- 在源域上训练了特征提取器,并使用对抗训练来创建域不变特征.
主要成果:
- 当在源域上训练的模型应用于目标尼日利亚数据集时,观察到显著的性能差异.
- 拟议的ADA技术在尼日利亚数据集上的胸部X射线分类方面取得了实质性的改进.
- 该模型实现了90.08%的准确性和96%的AUC,超过了多任务学习 (MTL) 和持续学习 (CL).
结论:
- 领域转移对AI在医学成像中构成重大挑战,特别是在多样化的人口中.
- 监督对抗域适应 (ADA) 有效地创建域不变的特征,减轻跨人群的差异.
- 开发具有领域意识的AI模型对于公平有效的医疗保健诊断至关重要.
