Zero-Shot Pediatric Tuberculosis Detection in Chest X-Rays using Self-Supervised Learning

要約

結核（TB）は依然として世界的な健康上の重大な課題であり、小児の症例が大きな懸念となっています。
世界保健機関 (WHO) は、結核スクリーニングのための胸部 X 線 (CXR) を提唱しています。
しかし、放射線科医による視覚的読影は、特に小児結核の場合、主観的で時間がかかり、間違いが発生しやすい可能性があります。
人工知能 (AI) を活用したコンピューター支援検出 (CAD) ツール、特にディープラーニングを利用したツールは、肺疾患の検出を強化するのに有望です。
ただし、データ不足や一般化可能性の欠如などの課題があります。
これに関連して、CXR での結核検出を改善し、ゼロショットの小児結核検出を可能にするビジョン トランスフォーマー (ViT) を活用した新しい自己教師ありパラダイムを提案します。
自己教師ありの事前トレーニングを実施した場合、完全教師あり（つまり、事前トレーニングなし）と比較した場合、結核検出パフォーマンスの向上（成人と小児でそれぞれ $\sim$12.7% および $\sim$13.4% の最高 AUC/AUPR 利得）を実証しました。
-トレーニング済み) ViT モデルは、成人結核検出で 0.959 AUC と 0.962 AUPR という最高のパフォーマンスを達成し、ゼロショット小児結核検出では 0.697 AUC と 0.607 AUPR という最高のパフォーマンスを達成しました。
結果として、この研究は、成人CXRに関する自己教師あり学習が、データが不足している小児結核検出などの困難な下流タスクにも効果的に拡張できることを実証しています。

要約(オリジナル)

Tuberculosis (TB) remains a significant global health challenge, with pediatric cases posing a major concern. The World Health Organization (WHO) advocates for chest X-rays (CXRs) for TB screening. However, visual interpretation by radiologists can be subjective, time-consuming and prone to error, especially in pediatric TB. Artificial intelligence (AI)-driven computer-aided detection (CAD) tools, especially those utilizing deep learning, show promise in enhancing lung disease detection. However, challenges include data scarcity and lack of generalizability. In this context, we propose a novel self-supervised paradigm leveraging Vision Transformers (ViT) for improved TB detection in CXR, enabling zero-shot pediatric TB detection. We demonstrate improvements in TB detection performance ($\sim$12.7% and $\sim$13.4% top AUC/AUPR gains in adults and children, respectively) when conducting self-supervised pre-training when compared to fully-supervised (i.e., non pre-trained) ViT models, achieving top performances of 0.959 AUC and 0.962 AUPR in adult TB detection, and 0.697 AUC and 0.607 AUPR in zero-shot pediatric TB detection. As a result, this work demonstrates that self-supervised learning on adult CXRs effectively extends to challenging downstream tasks such as pediatric TB detection, where data are scarce.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google