Využití hlubokých neuronových sítí pro prioritizaci RTG snímků plic

Abstract

Práce zkoumá možnost vytvoření systému pro automatickou prioritizaci rentgenových snímků plic dle závažnosti nálezu. Byla zvolena datová sada rentgenových snímků s popisem – CheXpert a upraven existující software konvoluční neuronové sítě od JF HEALTHCARE, který je schopen se na této datové sadě učit. Neuronová síť pak byla rozšířena na detekci 13 nálezů a naučena na této datové sadě. Při testu na testovací sadě, která byla vyčleněna sady CheXpert, bylo pro různé nálezy dosaženo výsledků Youdenovy J statistiky mezi 0,20 a 0,59. Na jiné testovací sadě byla vypočtena priorita dle závažnosti detekovaných nálezů a ta pak byla porovnána s prioritou určenou konzultujícím lékařem – neuronová síť určila stejnou prioritu jako lékař jen ve 20 % případů a v 80 % případů prioritu nadhodnotila. Lze říci, že neuronovou síť by pro požadovaný účel šlo použít, a práce nastiňuje možnosti, jak by šlo její výsledky zlepšit.

The paper examines the possibility of creation of a system for automatic prioritization (triage) of chest X-ray images based on severity of medical findings. CheXpert data set and JF HEALTHCARE´s neural network software were chosen as a core of this system. The software was then extended to detect 13 medical findings and trained using the data set. After the final trial of a testing data set the values of Youden´s J-statistics were between 0.20 and 0.59. The priority of detected findings was calculated on another test data set and then compared to the priority determined by consulting the MD beforehand – the neural network assessed the same priority as the MD in 20 % of cases and in 80 % of cases the priority was assessed higher. The paper suggests that this neural network could be used for the requested purpose and proposes some ways how to improve its performance.