揭示间质性肺疾病： 利用掩码自编码器进行诊断.pdfVIP

揭示间质性肺疾病：

利用掩码自编码器进行诊断

EthanDack,LorenzoBrigato,VasilisDedousis,Janine

Gote-Schniering,CherylMagnin,HannoHoppe,Aristomenis

ExadaktylosManuelaFunke-Chambour,ThomasGeiser,Andreas

Christe,LukasEbner,andStavroulaMougiakakou

UniversityofBern

BernUniversityHospital

本DIPR

译CampusStiftungLindenhofBern(SLB)

中[ethan.dack,lorenzo.brigato,stavroula.mougiakakou]@unibe.ch

1

v摘要掩码自动编码器（MAE）已成为在未标记数据上进行预训练的强大

9

2方法，能够学习稳健且信息丰富的特征表示。这在弥散性肺疾病研究中尤

4其有利，在该领域中标注的成像数据集非常稀缺。为了利用这一点，我们在

4一个精心策划的数据集中训练了一个MAE，该数据集包含超过5000次胸

0

.部计算机断层扫描（CT），结合了内部数据和来自表现出类似放射学模式

8

0的相关疾病的公开可用扫描，如COVID-19和细菌性肺炎。预训练的MAE

5随后在一个下游分类任务中进行微调，用于弥散性肺疾病诊断。我们的研

2

:究结果表明，即使在没有大规模标记数据集的情况下，MAEs也能够有效

v地提取具有临床意义的特征并提高诊断性能。代码和模型可在此处获得：

i

x/eedack01/lung_masked_autoencoder。

r

a

Keywords:肺疾病·遮罩自动编码器·数据稀缺

1介绍

人工智能（AI）在匹配临床专家对呼吸系统疾病的诊断表现方面展示了

显著的成功，包括传染病，如COVID-19，和非传染性疾病，如间质性肺疾

病（ILDs）[10,35]。ILD的诊断分类较为困难，因为有超过200种不同的类型

和模式。开发诊断工具的一个关键方面集中在成像数据上，这对于识别病理

模式[8]至关重要。AI在诊断医学的其他领域已经广泛成功，并且在整个欧