Comparative Evaluation of Radiomics and Deep Learning Models for Disease Detection in Chest Radiography

要約

医療イメージングにおける人工知能（AI）の適用は、診断慣行に革命をもたらし、放射線データの高度な分析と解釈を可能にしました。
この研究では、胸部X線撮影における疾患検出のための放射性および深い学習ベースのアプローチの包括的な評価を提示し、Covid-19、肺不透明度、およびウイルス肺炎に焦点を当てています。
深い学習モデル、特に畳み込みニューラルネットワーク（CNNS）と視覚変圧器（VITS）は、画像データから直接学習し、ラジオミクスベースのモデルは定量的特徴を抽出および分析し、データ制限シナリオの利点を提供する可能性があります。
この研究では、決定ツリー、勾配ブースト、ランダムフォレスト、サポートベクターマシン（SVM）、および最先端のコンピュータービジョンディープラーニングアーキテクチャと対戦するためのさまざまなAIモデルの診断精度とさまざまなAIモデルの堅牢性を、さまざまなAIモデルの堅牢性を系統的に比較します。
さまざまなサンプルサイズにわたるパフォーマンスメトリックは、各モデルの有効性に対する洞察を明らかにし、特定のAIアプローチが診断機能の強化を提供するコンテキストを強調します。
結果は、特にタイムリーで信頼できる診断が重要である自動化されたハイスループット環境で、臨床診療におけるAI駆動型の診断ツールの統合を知らせることを目的としています。
この比較研究では、臨床的および運用上のニーズに基づいてAIモデルの選択に関するガイダンスを確立し、本質的なギャップに対処します。

要約(オリジナル)

The application of artificial intelligence (AI) in medical imaging has revolutionized diagnostic practices, enabling advanced analysis and interpretation of radiological data. This study presents a comprehensive evaluation of radiomics-based and deep learning-based approaches for disease detection in chest radiography, focusing on COVID-19, lung opacity, and viral pneumonia. While deep learning models, particularly convolutional neural networks (CNNs) and vision transformers (ViTs), learn directly from image data, radiomics-based models extract and analyze quantitative features, potentially providing advantages in data-limited scenarios. This study systematically compares the diagnostic accuracy and robustness of various AI models, including Decision Trees, Gradient Boosting, Random Forests, Support Vector Machines (SVM), and Multi-Layer Perceptrons (MLP) for radiomics, against state-of-the-art computer vision deep learning architectures. Performance metrics across varying sample sizes reveal insights into each model’s efficacy, highlighting the contexts in which specific AI approaches may offer enhanced diagnostic capabilities. The results aim to inform the integration of AI-driven diagnostic tools in clinical practice, particularly in automated and high-throughput environments where timely, reliable diagnosis is critical. This comparative study addresses an essential gap, establishing guidance for the selection of AI models based on clinical and operational needs.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google