CheXNet : 超越專業放射科醫生的肺部Xray醫學影像判讀技術

Topic:  CheXNet: Radiologist-Level Pneumonia Detection on Chest X-Rays with Deep Learning

螢幕快照 2017-11-17 下午4.55.38

Editor:  George Wu

Resources:    原始post    中文post    Paper    ChestX-ray14 dataset

Label:  Medical imaging, CNN

大意:

在這篇吳恩達及Stanford 團隊新的paper, 他們將深度學習技術應用在胸部正面X光片的肺炎判讀上, 結果顯判讀肺炎的準確率超越了人類專業放射科醫師. 他們使用了121層的CNN 深度捲積網路,並將之稱為CheXNet, 並用ChestX-ray14 dataset進行訓練. 而在test資料的比較上, CheXNet的判讀結果無論在sensitivity 以及specificity上都超過四位專業放射科醫師的平均判讀結果.

相關工作:

其實看到這篇paper並不意外, 在2017年CVPR會議上LeLu團隊就有一篇基於ChestX-ray8 資料集的paper[1], 針對胸部正面X光片判讀常見的包含肺炎的八種肺部病症, 並搭配自然語言處理從X光診斷報告去標示X光片的label. 模式上是用ImageNet在AlexNet, GoogLeNet, VGG16, 以及ResNet50 的transfer learning 去進行判讀並輸出heat-map. 而在NIH的 ChestX-ray14 資料集釋出之後, 這篇CheXNet研究工作在方法上比較沒有驚艷的地方.

螢幕快照 2017-11-17 下午4.56.53

Figure 1:  ChestX-ray8: Hospital-scale Chest X-ray Database and Benchmarks on Weakly-Supervised Classification and Localization of Common Thorax Diseases的網路架構圖

方法:

ChexNet 是121層的CNN 深度捲積網路, 用的是在今年CVPR大放異彩的DenseNet. 輸入是胸部正面X光片, 而輸出是每個像素從0~1的肺炎病症機率的heatmap. 訓練的資料是ChestX-ray14 dataset 112120張胸部正面X光片, label是取14種肺部症狀其中的肺炎pneumonia 的label (0或1). 訓練時使用batch normalization並用Adam, 以及使用 binary cross entropy loss 當損失函數. 最後將DenseNet最後一層的fully connected layer換成每個像素加上sigmoid nonlinearity輸出肺炎病症機率.

螢幕快照 2017-11-17 下午4.57.24

Figure:  ChexNet localizes pathologies

結果:

為了比較模式的結果以及放射科醫師的診斷結果, 選擇了420張的胸部正面X光片當test資料. 在ROC curve的結果上, CheXNet在肺炎判讀上略勝於專業放射科醫師, 而在所有14種肺部病症(包括肺塌陷, 肺積水, 肺結節)的結果比較, CheXNet的結果皆勝於放射科醫師.

螢幕快照 2017-11-17 下午4.58.02

Figure 3: 針對肺炎的ROC curve

 Reference:

[1] Wang, Xiaosong, et al. “ChestX-ray8: Hospital-scale Chest X-ray Database and Benchmarks on Weakly-Supervised Classification and Localization of Common Thorax Diseases.” arXiv preprint arXiv:1705.02315 (2017).

Advertisements

Leave a Reply

Fill in your details below or click an icon to log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Log Out /  Change )

Google photo

You are commenting using your Google account. Log Out /  Change )

Twitter picture

You are commenting using your Twitter account. Log Out /  Change )

Facebook photo

You are commenting using your Facebook account. Log Out /  Change )

Connecting to %s