张驰名,王庆凤,刘志勤,黄 俊,陈 波,付 婕,周 莹

(1.西南科技大学 计算机科学与技术学院,四川 绵阳 621010; 2.绵阳市中心医院 放射科,四川 绵阳 621010)

0 概述

胸部病变十分常见且种类繁多,已成为影响现代人身体健康的主要威胁之一。X射线(CXR)是目前最常见的放射检查类型,快捷、成本较低的优势使其成为多种胸部疾病(如肺炎、气胸、肿块等)筛查和诊断的主要方式。据世界卫生组织(WTO)相关报告，每年约有4.5亿例肺炎病例记录在案，约有400万人死于该病，占全球患病死亡总人数(5 700万人)的7%[1],而肺癌更是全世界发病率和致死率最高的恶性肿瘤之一,我国肺癌患者的5年生存率仅为16.1%[2]。国内外专家主要通过对胸部病症的早诊早治来降低死亡率,但胸部X射线阅读需要极强的专业知识,目前主要依赖于放射科医师人工观察。由于胸部病理特征的多样性以及放射科医师的潜在疲劳或缺乏经验,在实际中误诊不可避免。因此,亟需开发胸片辅助诊断算法以支持放射科医师临床工作,从而及时有效地对胸部病症进行评估。

近年来,医学人工智能作为一种新兴技术,在全球范围内引起了广泛关注[3]。计算机辅助诊断(Computer Aided Diagnosis,CAD)的改进在许多生物医学领域产生了重要影响,如皮肤癌诊断[4]、胎儿超声标准平面检索[5]和肺结节检测[6-7]等。目前,已有学者将CAD技术应用于胸部X片分类任务。文献[8]将预训练的全卷积网络作为特征提取器,仅训练全连接分类层,以评估多种卷积网络的诊断性能,结果表明,ResNet[9]网络性能最佳。……