“`html
DRR-RATE: Обширный синтетический набор данных по рентгену грудной клетки с метками и радиологическими отчетами
Рентгеновские снимки грудной клетки являются важными при диагностике заболеваний легких и сердца, включая пневмонию и опухоли легких, и широко используются в условиях с ограниченными ресурсами. Возникновение искусственного интеллекта значительно улучшило автоматизированный анализ медицинских изображений благодаря большим кураторским наборам данных. Недавно внимание переключилось на мультимодельные модели, такие как большие языковые модели и модели на основе зрительных данных, которые требуют обширных и разнообразных данных для обучения. Исследование использует цифровую реконструированную радиографию (DRR) для генерации синтетических рентгеновских изображений из набора данных CT-RATE. Этот набор данных богат бинарными метками и подробными радиологическими отчетами, что делает его ценным для обучения классификаторов искусственного интеллекта для диагностики заболеваний.
Синтетические рентгеновские изображения DRR-RATE
Исследователи из лаборатории биомаркеров изображений и компьютерной диагностики клинического центра и Национального центра биотехнологической информации Национальной медицинской библиотеки представили DRR-RATE, синтетические рентгеновские изображения, синтезированные из данных компьютерной томографии (CT) с использованием техники трассировки лучей. В отличие от обычных рентгенограмм, DRR предлагают контролируемые и воспроизводимые условия изображения путем моделирования пути рентгеновских лучей через объемы компьютерной томографии. Интенсивность каждого пикселя DRR определяется коэффициентами ослабления тканей вдоль пути луча, отражая поглощение рентгеновских лучей. DRR находят применение в планировании лучевой терапии, хирургической подготовке, образовательных целях и разработке алгоритмов. Они облегчают точные расчеты доз в терапии и точную регистрацию изображений 2D-3D для хирургии, повышая медицинское образование через реалистичное отображение различных состояний. Научные исследования направлены на улучшение скорости генерации DRR и качества изображений.
Наборы данных рентгенов грудной клетки
Несколько значительных масштабных наборов данных рентгенов грудной клетки сыграли ключевую роль в продвижении исследований медицинского изображения. Например, ChestX-ray8 и ChestX-ray14, выпущенные Национальным институтом здоровья США (NIH), содержат более 112 000 сканов от более чем 30 000 человек. Эти наборы данных используют техники обработки естественного языка (NLP) для извлечения меток заболеваний из радиологических отчетов. CheXpert, другой известный набор данных, включает 224 316 рентгенограмм от 65 240 пациентов в Stanford Health Care, также помеченных с использованием методов NLP. PadChest, включающий более 160 000 изображений, предлагает подробные аннотации от радиологов из больницы San Juan Hospital в Испании. MIMIC-CXR и VinDr-CXR дополнительно улучшают исследовательские возможности с обширными наборами данных, прокомментированными радиологами крупных медицинских центров. Эти наборы данных совместно поддерживают исследования в обнаружении заболеваний и применения ИИ в радиологии и смежных областях.
DRR-RATE: синтетический набор данных по рентгену грудной клетки
DRR-RATE, расширение набора данных CT-RATE, содержит 50 188 объемов CT грудной клетки от 21 304 пациентов, каждый сопровожденный радиологическим текстовым отчетом и бинарными метками для 18 классов патологий. Изменение матрицы реконструкции из исходных исследований DICOM расширило набор данных для улучшения его ценности в исследованиях медицинских изображений. Демографические данные пациентов показывают разнообразный возрастной диапазон и распределение полов в обучающих и проверочных подмножествах. Изображения DRR генерируются с использованием алгоритмов трассировки лучей, симулируя рентгеновские проекции из данных CT, тем самым обеспечивая мультимодальные исследовательские приложения, смещая модальности CT и рентгеновских изображений. Набор данных является общедоступным на условиях лицензии CC BY-NC-SA.
Эксперименты с набором данных DRR-RATE
В экспериментах с набором данных DRR-RATE была проведена тренировка и оценка модели CheXnet для классификации рентгенов грудной клетки, сравнивая ее производительность с набором данных CheXpert. Используя пятикратную перекрестную проверку, CheXnet достиг значительных результатов. Кардиомегалия и Плевральный выпот показали устойчивую производительность с AUC-показателями 0,92 и 0,95 соответственно, указывая на высокую предсказательную точность. Однако Ателектаз и Консолидация проявили умеренные значения AUC около 0,72 и 0,74, что говорит о достаточной, но менее последовательной производительности. Опухоль и Опасность легких показали более низкие значения AUC, около 0,66 и 0,67, указывая на необходимость улучшений. Когда CheXnet обучали на CheXpert и тестировали на DRR-RATE, производительность немного снизилась для большинства состояний из-за различий между реальными и синтетическими изображениями DRR.
DRR-RATE – синтетический набор данных рентгенов грудной клетки, полученный из сканирования CT, предлагающий помеченные изображения и радиологические отчеты. Путем моделирования патологий, выявленных при сканировании CT, в виде рентгеновских изображений, DRR-RATE обогащает обучающие данные для диагностических моделей и повышает понимание между модальностями изображений. Оценка базовых моделей CheXnet, обученных на наборах данных DRR-RATE и CheXpert, показала устойчивую производительность, особенно в обнаружении кардиомегалии, консолидации и плеврального выпота. Однако остаются проблемы с незначительными состояниями, такими как ателектаз, опухоль и опасность легких, вероятно из-за ограничений разрешения на изображениях DRR. Тем не менее, интеграция DRR-RATE является значительным шагом в синтезировании данных медицинского изображения, укрепляя возможности диагностики, основанной на искусственном интеллекте, и продвигая медицинские исследования.
“`
