Diagnose Like a Radiologist: Hybrid Neuro-Probabilistic Reasoning for Attribute-Based Medical Image Diagnosis

要約

臨床診療中、放射線科医はしばしば属性を使用します。
疾患の診断を支援するための、病変の形態学的および外観上の特徴。
属性だけでなく、属性を含むすべての関係を効果的にモデル化することで、医用画像診断アルゴリズムの一般化能力と検証可能性を高めることができます。
この論文では、検証可能な属性ベースの医用画像診断のためのハイブリッド神経確率論的推論アルゴリズムを紹介します。
ハイブリッド アルゴリズムには、確率的因果関係推論を実行するベイジアン ネットワーク ブランチと、より一般的なリレーショナル モデリングと特徴表現を使用した推論を実行するグ​​ラフ畳み込みネットワーク ブランチの 2 つの並列ブランチがあります。
これら 2 つのブランチ間の緊密な結合は、クロスネットワーク アテンション メカニズムとそれらの分類結果の融合によって実現されます。
ハイブリッド推論アルゴリズムを 2 つの困難な医用画像診断タスクに適用することに成功しました。
CT 画像の肺結節の良性と悪性を分類するための LIDC-IDRI ベンチマーク データセットで、この方法は 95.36\% の新しい最先端の精度と 96.54\% の AUC を達成します。
私たちの方法は、結核診断のための社内の胸部 X 線画像データセットでも 3.24\% の精度向上を達成しています。
私たちのアブレーション研究は、非常に限られたトレーニング データの下で、ハイブリッド アルゴリズムが純粋なニューラル ネットワーク アーキテクチャよりもはるかに優れた汎化パフォーマンスを達成することを示しています。

要約(オリジナル)

During clinical practice, radiologists often use attributes, e.g. morphological and appearance characteristics of a lesion, to aid disease diagnosis. Effectively modeling attributes as well as all relationships involving attributes could boost the generalization ability and verifiability of medical image diagnosis algorithms. In this paper, we introduce a hybrid neuro-probabilistic reasoning algorithm for verifiable attribute-based medical image diagnosis. There are two parallel branches in our hybrid algorithm, a Bayesian network branch performing probabilistic causal relationship reasoning and a graph convolutional network branch performing more generic relational modeling and reasoning using a feature representation. Tight coupling between these two branches is achieved via a cross-network attention mechanism and the fusion of their classification results. We have successfully applied our hybrid reasoning algorithm to two challenging medical image diagnosis tasks. On the LIDC-IDRI benchmark dataset for benign-malignant classification of pulmonary nodules in CT images, our method achieves a new state-of-the-art accuracy of 95.36\% and an AUC of 96.54\%. Our method also achieves a 3.24\% accuracy improvement on an in-house chest X-ray image dataset for tuberculosis diagnosis. Our ablation study indicates that our hybrid algorithm achieves a much better generalization performance than a pure neural network architecture under very limited training data.

arxiv情報

著者 Gangming Zhao,Quanlong Feng,Chaoqi Chen,Zhen Zhou,Yizhou Yu
発行日 2022-08-19 12:06:46+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.CV パーマリンク