每日 Arxiv

本页面整理了世界各地发表的人工智能相关论文。
本页面使用 Google Gemini 汇总而成,并以非盈利为基础运营。
论文版权归作者及相关机构所有,分享时请注明出处。

采用渐进层冻结的部位级微调:从第 1 天胸部 X 光片对极早产儿支气管肺发育不良进行稳健预测

Created by
  • Haebom

作者

Sybelle Goedicke-Fritz(德国洪堡/萨尔,萨尔大学,洪堡校区,儿科和新生儿科普通系)、Michelle Bous(德国洪堡/萨尔,萨尔大学,洪堡校区,儿科和新生儿科普通系)、Annika Engel(德国萨尔大学,萨尔信息学园区,萨尔布鲁肯,临床生物信息学主席)、Matthias Flotho(德国萨尔大学,萨尔信息学园区,萨尔布鲁肯,临床生物信息学主席,亥姆霍兹萨尔药物研究所)、Pascal Hirsch(德国萨尔大学,萨尔信息学园区,萨尔布鲁肯,临床生物信息学主席)、Hannah Wittig(德国萨尔大学,洪堡校区,儿科和新生儿科普通系)、洪堡/萨尔,德国),Dino Milanovic(德国萨尔布吕肯萨尔大学萨尔信息学园区临床生物信息学主席),Dominik Mohr(德国萨尔大学萨尔布吕肯/萨尔洪堡园区儿科和新生儿科系),Mathias Kaspar(德国奥格斯堡奥格斯堡大学医院数字医学系),Sogand Nemat(德国洪堡萨尔大学医院放射学和介入放射学系),Dorothea Kerner(德国洪堡萨尔大学医院放射学和介入放射学系),Arno B ucker(德国洪堡萨尔大学医院放射学和介入放射学系),Andreas Keller(德国萨尔布吕肯萨尔信息学园区临床生物信息学主席,德国,亥姆霍兹萨尔药物研究所,药物科学中心),Sascha Meyer(卡尔斯鲁厄临床中心,Franz-Lust 儿科诊所,德国卡尔斯鲁厄),Michael Zemlin(萨尔大学普通儿科和新生儿科系,洪堡校区,德国洪堡/萨尔),Philipp Flotho(临床生物信息学主席,萨尔信息学校区,萨尔大学,德国萨尔布吕肯,亥姆霍兹萨尔药物研究所)

大纲

我们开发了一个深度学习模型,利用胸部 X 射线预测极低出生体重婴儿的支气管肺发育不良 (BPD)。我们使用出生后 24 小时内拍摄的 X 射线,对预训练的 ResNet-50 模型进行微调,并应用 CutMix 增强和线性探测来预测中度/重度 BPD。特定领域的预训练至关重要,并且所开发的模型已证明具有临床适用性。

Takeaways, Limitations

Takeaways:
使用第一天的胸部 X 射线预测 BPD。
确认特定领域预训练的重要性。
展示该模型的临床适用性。
适合现场实施和联邦学习,同时保持计算效率。
Limitations:
该模型的性能为AUROC 0.78,还有改进的空间。
IRDS 评级显示出有限的预测价值。
数据集较小,因此需要进一步研究以提高泛化性能。
👍