臨床肺栓塞輔助判讀系統

A classifying system for analyzing Pulmonary embolism

摘要

本研究致力於建構一個二階段臨床肺栓塞輔助判讀系統,對於電腦斷層血管攝影產生之影像進行肺栓塞病徵的辨別與病兆位置形狀的標記。不同於先前種種檢測方法選擇先篩選再分類,在第一階段我們使用多重神經網路集成學習的架構對電腦斷層血管攝影的每一切片進行影像分類判讀,於第二階段我們設計一語意分割模型架構由ARU-Net結合後續新發表的概念組成,將第一階段分類出含有肺栓塞的影像進一步準確標記出病徵的位置以及形狀。我們使用網路開放影像資料庫結合成功大學醫院一共98位病人、14670張影像來進行神經網路模型的訓練與測試,其中有3011張切片含有肺栓塞的病兆。 實驗結果顯示分類模型在影像測試集中達到85%的正確辨識率,precision、recall分別達到0.88、0.85,而在影像標記模型的部分我們達到0.72 mean IoU的成果。 關鍵詞:深度學習、肺栓塞、捲積神經網路、語義分割