Pontosabban értelmezi a mellkasröntgent az AI a CheXTemporal adatkészlettel
A jelenlegi kép-nyelv modellek gyakran pontatlanul ítélik meg a mellkasröntgenek időbeli változásait, mivel statikus képeken képzik őket — ezen segít az új CheXTemporal adathalmaz.
A mellkasröntgenek értelmezéséhez elengedhetetlen a korábbi és a jelenlegi felvételek összehasonlítása, az időbeli változások követése. A legtöbb kép-nyelv modell azonban statikus kép-jelentés párokon tanul, így hiányzik belőlük az explicit felügyelet a hosszútávú változások modellezéséhez — mutatja egy új kutatás, amely az arXiv-on jelent meg előnyomtatott formában.
A kutatók ezért létrehozták a CheXTemporal nevű adatkészletet, amely kifejezetten az időben megalapozott érvelést segíti a mellkasröntgenek elemzésében. Az adathalmaz párosított, korábbi és aktuális mellkasröntgen-felvételeket (CXR) tartalmaz, kiegészítve a lelet szintű időbeli és térbeli annotációkkal.
A CheXTemporal egy ötosztályos progressziós taxonómiát is bevezet, amely a patológiák nyomon követésére szolgál. Ez a taxonómia öt kategóriát különböztet meg: új, rosszabb, stabil, javult és megoldódott. Az adatkészlet emellett lokalizált térbeli felügyeletet biztosít a patológiákhoz, explicit térbeli-időbeli összehangolást a párosított vizsgálatok között, és több forrásból származó lefedettséget kínál a különböző domainek közötti értékeléshez.
A kutatók egy nagyméretű, 280 ezer páros „ezüst” adatkészletet is összeállítottak. Ez az adathalmaz automatikusan származtatott időbeli és anatómiai felügyeletet tartalmaz, ami lehetővé teszi a nagyléptékű értékelést gyengébb felügyelet mellett. Ezeket az erőforrásokat több, a területen élvonalbeli kép-nyelv CXR modell értékelésére is felhasználták.