Краткий экскурс в методы анализа рентгена, актуальные научные и практические задачи, разбор недавно завершившегося соревнования на Kaggle – RSNA Pneumonia Detection Challenge

1. Лаборатория анализа медицинских изображений
Анализ рентгена грудной полости методами машинного обучения и
глубокого обучения
Ильяс Сиразитдинов (@ilyas_sid)

2. Почему это
важно?
1. Рентген грудной полости одно из
самых массовых исследований.
Ежегодное количество
исследований в России ~ 70 млн.
2. Рентген – трудное для диагностики
исследование + дисбаланс нормы и
патологий приводит к эффекту
«замыливания глаза».

3. Данные
1. Chest-14 ~ 112 тыс.
изображений, 14 возможных
патологий.
2. RSNA Kaggle Pneumonia
Detection Challenge ~ 29 тыс.
изображений, ~ 5 тыс. с точной
локализацией пневмонии.
3. JSRT – 247 изображений,
размечены на сегментацию.

4. Ретроспектива
• Локализация и сегментация
патологии на снимке.
• Разбиение на патчи одинакового
размера.
• Ручное выделение признаков.
• Последующая классификация.

5. Классификация
1. Chest-14 ~ 112 тыс.
изображений, 14 возможных
патологий.
2. Проблема с разметкой данных
~ 90% точность.
3. Проблема с разбиением
датасета.
4. Стандартные подходы deep
learning – выбрать глубокую
сеть, натренировать,
отчитаться о state-of-the-art
результатах.
CheXNet: Radiologist-
Level Pneumonia
Detection on Chest X-Rays
with Deep Learning

6. Классификация
CheXNet: Radiologist-
Level Pneumonia
Detection on Chest X-Rays
with Deep Learning

7. Классификация
Diagnose like a Radiologist: Attention Guided
Convolutional Neural Network for Thorax Disease
Classification

8. Классификация
Weakly Supervised Deep Learning for Thoracic Disease Classification and Localization on
Chest X-rays

9. Аугментации
1. Стандартные аугментации (
повороты, отражения, цветовые
преобразования и т.д.)
2. Image registration (bspline and
etc.)
3. Подходы глубокого обучения:
GAN и style transfer

10. Сегментация
1. Подходы глубокого обучения
для сегментации – U-net, FPN
2. Требуется сегментация
различных частей на рентгене:
ребра, ключицы, легкие, сердце

11. Сегментация –
сложные случаи

12. Подавление ребер
1. Сегментация костей ->
взвешенное вычитание маски
костей
2. Декомпозиция снимка, blind
source separation

13. Подавление ребер
1. Форматирование задачи в
задачу обучения с учителем
2. Convolution denoising
autoencoders

14. Подавление ребер
1. Использование dual energy
chest x-ray как ground truth
2. Формулирование функции
потерь, которая позволяет
точно восстанавливать
изображения - MSSIM

15. Подавление ребер

16. Kaggle – RSNA Pneumonia
Detection Challenge
1. Данные: 25684 – train, 1000
– stage 1 test, 3000 – stage
2 test.
2. Задача - Object detection
3. Метрика - mAP

17. Kaggle – RSNA Pneumonia
Detection Challenge – Faster-RCNN

18. RSNA Pneumonia Detection
Challenge - RetinaNet

19. RSNA Pneumonia Detection
Challenge - ensemble

20. RSNA Pneumonia Detection
Challenge – scores
Precision = 0.758
Recall = 0.793
F1score = 0.775

21. Спасибо за внимание!
Вопросы?J
@ilyas_sid