色哟哟视频在线观看-色哟哟视频在线-色哟哟欧美15最新在线-色哟哟免费在线观看-国产l精品国产亚洲区在线观看-国产l精品国产亚洲区久久

0
  • 聊天消息
  • 系統消息
  • 評論與回復
登錄后你可以
  • 下載海量資料
  • 學習在線課程
  • 觀看技術視頻
  • 寫文章/發帖/加入社區
會員中心
創作中心

完善資料讓更多小伙伴認識你,還能領取20積分哦,立即完善>

3天內不再提示

用于檢測異常的胸部X光圖像的深度學習系統

Tensorflowers ? 來源:TensorFlow ? 作者:TensorFlow ? 2021-09-30 11:16 ? 次閱讀

醫學成像中應用機器學習 (ML),為改善胸部 X 光 (CXR) 圖像解讀的可用性、延遲時間、準確率和一致性提供了絕佳的機會。事實上,我們已經開發了大量的算法檢測如肺癌、肺結核和氣胸等特定疾病。然而,由于這些算法是被訓練用于檢測特定疾病,其在普遍臨床環境下的實用性可能會受到限制,因為這種環境下可能會出現各種各樣的異常情況。例如,我們無法通過氣胸檢測算法發現癌癥結節,而肺結核檢測算法可能也無法識別肺炎特有的癥狀。由于初始分診步驟是確定 CXR 是否包含相關的異常,如果能使用一種通用算法,以識別包含任何異常情況的 X 光圖像,即可大大簡化工作流。然而,由于在 CXR 上出現的異常情況種類繁多,開發能識別所有異常情況的分類算法可謂充滿挑戰。

我們發表于《科學報告》的“深度學習用于區分正常和異常胸部放射照片,并泛化到兩種未知疾病:結核病與新冠肺炎 (Deep Learning for Distinguishing Normal versus Abnormal Chest Radiographs and Generalization to Two Unseen Diseases Tuberculosis and COVID-19)”一文中提出了一個模型,該模型可以在多個去識別化的數據集和環境中區分正常和異常的 CXR。我們發現,該模型在檢測一般的異常情況以及結核病和新冠肺炎等未知病例方面表現良好。我們還針對公開可用的 ChestX-ray14 數據集發布了本研究中用到的測試集的放射科醫生標簽集[1]。

深度學習用于區分正常和異常胸部放射照片,并泛化到兩種未知疾病:結核病與新冠肺炎

https://www.nature.com/articles/s41598-021-93967-2

用于檢測異常的胸部 X 光圖像的深度學習系統

我們使用基于 EfficientNet-B7 架構的深度學習系統,且在 ImageNet 上進行了預訓練。我們使用來自印度阿波羅醫院的 20 多萬張去識別化 CXR 來訓練該模型。通過使用基于正則表達式的自然語言處理方法,我們在相關的放射學報告中為每張 CXR 分配“正常”或“異常”標簽。

EfficientNet-B7

https://github.com/tensorflow/tpu/tree/r1.15/models/official/efficientnet

ImageNet

https://arxiv.google.cn/abs/1409.0575

為評估該系統在新問診者群體中的普及程度,我們在兩個由大量異常情況組成的數據集中比較了其性能:阿波羅醫院數據集的測試分塊 (DS-1),以及公開可用的 ChestX-ray14 (CXR-14)。一群獲美國職業認證的放射科醫生為此項目對兩個測試集的標簽進行了注釋。該系統在 DS-1 和 CXR-14 上的接收者操作特征曲線下面積 (Receiver operating characteristic) (AUROC) 分別達到了 0.87 和 0.94(數字越高越好)。

盡管對 DS-1 和 CXR-14 的評估中包含多種異常情況,不過出現的用例可能是在全新或未知的環境(未知疾病)中利用這樣的異常檢測算法。為評估該系統對新問診者群體和訓練集中未知疾病的通用性,我們使用了來自三個國家(地區)的四個去識別化數據集,包括兩個公開可用的結核病數據集和兩個來自 Northwestern Medicine 的新冠肺炎數據集。該系統在檢測結核病時曲線下面積達到了 0.95 至 0.97;在檢測新冠肺炎時曲線下面積達到了 0.65 至 0.68。由于對這些疾病呈現陰性的 CXR 仍可能包含其他相關異常情況,我們進一步對該系統檢測異常(而不是檢測疾病為陽性或陰性)的能力進行評估,發現結核病數據集的曲線下面積為 0.91 至 0.93,新冠肺炎數據集的曲線下面積為 0.86。

檢測新冠肺炎的表現大幅下降是因為許多被系統標記為“陽性”的異常病例對于新冠肺炎來說呈現陰性,但仍需要注意,其中可能包含異常 CXR 結果。這進一步突顯了異常檢測算法的作用,尤其是在特定疾病模型可用的情況下。

此外需要注意的是,泛化到未知疾病(即結核病和新冠肺炎)和泛化到未知 CXR 結果(例如胸腔積液 、實變 /浸潤)之間存在差別。在此項研究中,我們證明了該系統在檢測未知疾病方面的通用性,但對于未知 CXR 結果則不具有通用性。

臨床方面的潛在優勢

為了解深度學習模型在改善臨床工作流方面的潛在實用性,我們模擬了在病例優先級方面該模型的應用,即“加急”異常病例,并將其放置在正常病例之前。在上述模擬操作中,系統將異常病例的周轉時間減少了 28%。通過這種設置,我們可以重新確定優先級,將復雜的異常病例轉交給心胸專科放射科醫生,從而對可能需要緊急決策的病例進行快速分類,并有機會通過簡化審查的方式對陰性 CXR 進行批量審查。

此外,我們發現該系統可以作為預訓練模型來優化胸部 X 光片的其他 ML 算法,尤其是在數據有限的情況下。例如,我們在最近的研究中使用了正常/異常分類算法,以根據胸部 X 光片檢測肺結核。在專業放射科醫生或分子檢測技術等資源匱乏的地區,異常情況和結核病的檢測算法可以在初期診斷中發揮關鍵作用。

分享改進后的參考標準標簽

要發揮 ML 的潛力,以在世界范圍內輔助解讀胸部 X 光片,我們還有很多工作要做。具體來說,在去識別化的數據上獲得高質量標簽可能是在醫療領域開發和評估 ML 算法的一個重要障礙。為了加速努力進程,我們通過發布在本研究中用到的標簽,對之前發布的標簽進行擴展,并將其用于公開可用的 ChestX-ray14 數據集。我們期待著社區在該領域開展未來的機器學習項目。

責任編輯:haq

聲明:本文內容及配圖由入駐作者撰寫或者入駐合作網站授權轉載。文章觀點僅代表作者本人,不代表電子發燒友網立場。文章及其配圖僅供工程師學習之用,如有內容侵權或者其他違規問題,請聯系本站處理。 舉報投訴
  • 機器學習
    +關注

    關注

    66

    文章

    8408

    瀏覽量

    132573
  • 深度學習
    +關注

    關注

    73

    文章

    5500

    瀏覽量

    121117

原文標題:深度學習助力異常胸部 X 光片檢測

文章出處:【微信號:tensorflowers,微信公眾號:Tensorflowers】歡迎添加關注!文章轉載請注明出處。

收藏 人收藏

    評論

    相關推薦

    GPU深度學習應用案例

    能力,可以顯著提高圖像識別模型的訓練速度和準確性。例如,在人臉識別、自動駕駛等領域,GPU被廣泛應用于加速深度學習模型的訓練和推理過程。 二、自然語言處理 自然語言處理(NLP)是
    的頭像 發表于 10-27 11:13 ?383次閱讀

    FPGA做深度學習能走多遠?

    。例如,在數據中心中,可以將 FPGA 與 CPU 或 GPU 結合使用,根據不同的任務需求進行靈活的資源分配和協同計算,提高整個系統的性能和效率。 ? 算法優化和創新:隨著深度學習算法的不斷發展和優化
    發表于 09-27 20:53

    YXC高頻差分晶振,頻點200MHZ,3225封裝,應用于醫療X

    X機的工作原理中,X機是一種利用X射線穿透性來檢查物體內部結構的設備。例如,晶振可以用于
    的頭像 發表于 07-29 15:54 ?315次閱讀
    YXC高頻差分晶振,頻點200MHZ,3225封裝,應<b class='flag-5'>用于</b>醫療<b class='flag-5'>X</b><b class='flag-5'>光</b>機

    利用Matlab函數實現深度學習算法

    在Matlab中實現深度學習算法是一個復雜但強大的過程,可以應用于各種領域,如圖像識別、自然語言處理、時間序列預測等。這里,我將概述一個基本的流程,包括環境設置、數據準備、模型設計、訓
    的頭像 發表于 07-14 14:21 ?2174次閱讀

    深度學習在工業機器視覺檢測中的應用

    隨著深度學習技術的快速發展,其在工業機器視覺檢測中的應用日益廣泛,并展現出巨大的潛力。工業機器視覺檢測是工業自動化領域的重要組成部分,通過圖像
    的頭像 發表于 07-08 10:40 ?1045次閱讀

    基于AI深度學習的缺陷檢測系統

    在工業生產中,缺陷檢測是確保產品質量的關鍵環節。傳統的人工檢測方法不僅效率低下,且易受人為因素影響,導致誤檢和漏檢問題頻發。隨著人工智能技術的飛速發展,特別是深度學習技術的崛起,基于A
    的頭像 發表于 07-08 10:30 ?1375次閱讀

    深度學習在視覺檢測中的應用

    能力,還使得機器能夠模仿人類的某些智能行為,如識別文字、圖像和聲音等。深度學習的引入,極大地推動了人工智能技術的發展,特別是在圖像識別、自然語言處理、語音識別等領域取得了顯著成果。
    的頭像 發表于 07-08 10:27 ?706次閱讀

    基于深度學習的小目標檢測

    在計算機視覺領域,目標檢測一直是研究的熱點和難點之一。特別是在小目標檢測方面,由于小目標在圖像中所占比例小、特征不明顯,使得檢測難度顯著增加。隨著
    的頭像 發表于 07-04 17:25 ?867次閱讀

    基于深度學習的缺陷檢測方案

    圖像預處理通常包括直方圖均衡化、濾波去噪、灰度二值化、再次濾波幾部分,以得到前后景分離的簡單化圖像信息;隨后利用數學形態學、傅里葉變換、Gabor 變換等算法以及機器學習模型完成缺陷的標記與
    發表于 04-23 17:23 ?866次閱讀
    基于<b class='flag-5'>深度</b><b class='flag-5'>學習</b>的缺陷<b class='flag-5'>檢測</b>方案

    深度解析深度學習下的語義SLAM

    隨著深度學習技術的興起,計算機視覺的許多傳統領域都取得了突破性進展,例如目標的檢測、識別和分類等領域。近年來,研究人員開始在視覺SLAM算法中引入深度
    發表于 04-23 17:18 ?1287次閱讀
    <b class='flag-5'>深度</b>解析<b class='flag-5'>深度</b><b class='flag-5'>學習</b>下的語義SLAM

    工業X機無損檢測設備的主要用途

    工業X機無損檢測設備是一種應用于工業中的核成像技術,它基于輻射在被檢測物體中的減弱和吸收特性。利用放射性核素或其他輻射源發射出的、具有一定
    的頭像 發表于 04-11 16:07 ?443次閱讀
    工業<b class='flag-5'>X</b><b class='flag-5'>光</b>機無損<b class='flag-5'>檢測</b>設備的主要用途

    基于機器視覺和深度學習的焊接質量檢測系統

    基于機器視覺和深度學習的焊接質量檢測系統是一種創新性的技術解決方案,它結合了先進的計算機視覺和深度學習
    的頭像 發表于 01-18 17:50 ?795次閱讀

    X工業CT檢測設備的優點

    :蔡司X工業CT檢測設備能夠提供高精度和分辨率的3D圖像,能夠更好地識別產品中的缺陷、異物或其他問題,有效確定產品是否符合特定的設計規范。3.檢測
    的頭像 發表于 01-15 16:44 ?727次閱讀
    <b class='flag-5'>X</b><b class='flag-5'>光</b>工業CT<b class='flag-5'>檢測</b>設備的優點

    整合傳感器和深度學習的“電子舌”系統

    該味覺系統有效整合了傳感器和深度學習技術,能夠同時準確地檢測咸度、酸味、苦味和甜味,有望應用于食品、酒業、化妝品和制藥等多個行業。
    的頭像 發表于 01-03 17:19 ?883次閱讀
    整合傳感器和<b class='flag-5'>深度</b><b class='flag-5'>學習</b>的“電子舌”<b class='flag-5'>系統</b>

    兩種應用于3D對象檢測的點云深度學習方法

    隨著激光雷達傳感器(“檢測和測距”的縮寫,有時稱為“激光掃描”,現在在一些最新的 iPhone 上可用)或 RGB-D 攝像頭(一種 RGB-D 攝像頭)的興起,3D 數據變得越來越廣泛。D 圖像
    的頭像 發表于 01-03 10:32 ?1070次閱讀
    兩種應<b class='flag-5'>用于</b>3D對象<b class='flag-5'>檢測</b>的點云<b class='flag-5'>深度</b><b class='flag-5'>學習</b>方法
    主站蜘蛛池模板: 蜜臀AV精品一区二区三区| gogogo在线观看| 香蕉久久一区二区三区啪啪| 前后灌满白浆护士| 女同给老师下媚药| 理论片午午伦夜理片久久| 久草草在线视视频| 国内精品人妻无码久久久影院蜜桃| 国产成人综合在线观看网站| 超碰在线vip| 成 人 免费 黄 色 网站无毒下载| 99久久免费只有精品| 91国在线啪精品一区| 在线色av| 最新亚洲一区二区三区四区 | 成人精品综合免费视频| 99热久这里都是精品小草| 91伊人久久大香线蕉| 97在线视频免费人妻| bt天堂午夜国产精品| 9国产露脸精品国产麻豆| good神马电影伦理午夜| 99视频精品全部 国产| 99日影院在线播放| WWW国产无套内射久久| 边摸边吃奶边做下面视频| 成年人视频免费在线观看| 宝贝乖女好紧好深好爽老师| YELLOW日本免费观看播放| 成人性生交片无码免费看| 国产1769一七六九视频在线| 国产精品18久久久久久欧美网址 | 亚洲视频不卡| 又亲又揉摸下面视频免费看 | 双腿打开揉弄高潮H苏安安秦慕深| 无套暴躁白丝秘书| 亚洲精品在线免费| 中文字幕人成人乱码亚洲影视S| 92午夜免费福利757| 粗好大用力好深快点漫画| 国产精品免费久久久久影院|