Optimising Chest X-Rays for Image Analysis by Identifying and Removing Confounding Factors

要約

COVID-19 パンデミックの間、COVID-19 診断のために緊急環境で行われた膨大な量の画像処理により、臨床 CXR 取得に大きなばらつきが生じました。
この変動は、使用される CXR 投影、追加された画像注釈、および吸気努力と臨床画像の回転度に見られます。
画像解析コミュニティは、CXR 画像を入力とした自動 COVID-19 診断アルゴリズムを開発することで、パンデミックの際に過剰に負担を強いられた放射線科の負担を軽減しようと試みてきました。
公開されている大規模な CXR データセットを活用して、COVID-19 診断用のディープ ラーニング アルゴリズムを改善しています。
しかし、公開されているデータセット内の臨床的に取得された CXR の品質のばらつきは、アルゴリズムのパフォーマンスに大きな影響を与える可能性があります。
COVID-19 の診断は、画像ラベルなどの画像上の非解剖学的特徴からアルゴリズムによって推測される場合があります。
これらのイメージング ショートカットはデータセット固有であり、AI システムの一般化を制限する可能性があります。
したがって、CXR 画像の主な潜在的なバイアスを理解し、修正することは、CXR 画像解析の前に不可欠な最初のステップです。
この研究では、COVID-19 胸部 X 線データセットを前処理して望ましくないバイアスを除去するためのシンプルで効果的な段階的アプローチを提案します。
個々のステップの影響を示すためにアブレーション研究を行います。
結果は、提案されたパイプラインを使用すると、ベースラインの COVID-19 検出アルゴリズムの精度が最大 13% 向上する可能性があることを示唆しています。

要約(オリジナル)

During the COVID-19 pandemic, the sheer volume of imaging performed in an emergency setting for COVID-19 diagnosis has resulted in a wide variability of clinical CXR acquisitions. This variation is seen in the CXR projections used, image annotations added and in the inspiratory effort and degree of rotation of clinical images. The image analysis community has attempted to ease the burden on overstretched radiology departments during the pandemic by developing automated COVID-19 diagnostic algorithms, the input for which has been CXR imaging. Large publicly available CXR datasets have been leveraged to improve deep learning algorithms for COVID-19 diagnosis. Yet the variable quality of clinically-acquired CXRs within publicly available datasets could have a profound effect on algorithm performance. COVID-19 diagnosis may be inferred by an algorithm from non-anatomical features on an image such as image labels. These imaging shortcuts may be dataset-specific and limit the generalisability of AI systems. Understanding and correcting key potential biases in CXR images is therefore an essential first step prior to CXR image analysis. In this study, we propose a simple and effective step-wise approach to pre-processing a COVID-19 chest X-ray dataset to remove undesired biases. We perform ablation studies to show the impact of each individual step. The results suggest that using our proposed pipeline could increase accuracy of the baseline COVID-19 detection algorithm by up to 13%.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google