Deep learning-based lung segmentation and automatic regional template in chest X-ray images for pediatric tuberculosis

要約

結核 (TB) は依然として主要な死因であり、世界の子供の健康に対する重大な脅威であると考えられています。
結核感染症も病気も抗生物質で治ります。
しかし、結核で亡くなるほとんどの子供は、診断も治療も受けていません。
臨床現場では、経験豊富な医師が胸部 X 線 (CXR) を調べて結核を評価します。
小児の CXR には、成人の CXR と比較して特定の課題があり、子供の結核診断がより困難になります。
人工知能によってサポートされているコンピューター支援診断システムは、経験豊富な放射線科医の結核測定値に匹敵する性能を示しており、結核の集団スクリーニングを容易にし、臨床的負担を軽減することができます。
提案されたテンプレートに従うことにより、重要な結核所見が存在する可能性がある小児 CXR 画像から関心のある肺および縦隔領域を自動的に地域化および抽出することを目的とする、マルチビュー ディープラーニング ベースのソリューションを提案します。
実験結果は正確な領域抽出を示しており、結核発見の存在と重症度評価を確認するためのさらなる分析に使用できます。
https://github.com/dani-capellan/pTB_LungRegionExtractor で公開されているコード。

要約(オリジナル)

Tuberculosis (TB) is still considered a leading cause of death and a substantial threat to global child health. Both TB infection and disease are curable using antibiotics. However, most children who die of TB are never diagnosed or treated. In clinical practice, experienced physicians assess TB by examining chest X-rays (CXR). Pediatric CXR has specific challenges compared to adult CXR, which makes TB diagnosis in children more difficult. Computer-aided diagnosis systems supported by Artificial Intelligence have shown performance comparable to experienced radiologist TB readings, which could ease mass TB screening and reduce clinical burden. We propose a multi-view deep learning-based solution which, by following a proposed template, aims to automatically regionalize and extract lung and mediastinal regions of interest from pediatric CXR images where key TB findings may be present. Experimental results have shown accurate region extraction, which can be used for further analysis to confirm TB finding presence and severity assessment. Code publicly available at https://github.com/dani-capellan/pTB_LungRegionExtractor.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google