Improving Chest X-Ray Classification by RNN-based Patient Monitoring

要約

胸部 X 線イメージングは​​、胸部および肺機能に関連するさまざまな病状を検出するための最も一般的な放射線ツールの 1 つです。
臨床現場では、胸部 X 線写真の自動評価は、医師の意思決定プロセスを支援し、緊急患者の優先順位付けなど、臨床ワークフローを最適化する可能性があります。
胸部 X 線画像を分類するための機械学習モデルの可能性を分析するほとんどの作業は、一度に 1 つの画像の病理を処理および予測する視覚方法に焦点を当てています。
しかしながら、多くの患者は、治療中または一回の入院中に、このような処置を複数回受ける。
患者の履歴、つまり以前の画像、特に対応する診断には、分類システムの予測に役立つ有用な情報が含まれています。
この研究では、よく研究された胸部 X 線の CheXpert データセットから新しいデータセットを構築することにより、診断に関する情報が CNN ベースの画像分類モデルをどのように改善できるかを分析します。
追加の患者履歴情報でトレーニングされたモデルは、情報なしでトレーニングされたモデルよりも大幅に優れていることを示しています。
データセットの作成とモデルのトレーニングを複製するためのコードを提供します。

要約(オリジナル)

Chest X-Ray imaging is one of the most common radiological tools for detection of various pathologies related to the chest area and lung function. In a clinical setting, automated assessment of chest radiographs has the potential of assisting physicians in their decision making process and optimize clinical workflows, for example by prioritizing emergency patients. Most work analyzing the potential of machine learning models to classify chest X-ray images focuses on vision methods processing and predicting pathologies for one image at a time. However, many patients undergo such a procedure multiple times during course of a treatment or during a single hospital stay. The patient history, that is previous images and especially the corresponding diagnosis contain useful information that can aid a classification system in its prediction. In this study, we analyze how information about diagnosis can improve CNN-based image classification models by constructing a novel dataset from the well studied CheXpert dataset of chest X-rays. We show that a model trained on additional patient history information outperforms a model trained without the information by a significant margin. We provide code to replicate the dataset creation and model training.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google