Computer-aided detection for tuberculosis and silicosis in chest radiographs of gold miners of South Africa
Notice bibliographique
Résumé
BACKGROUND: For over one hundred years, the gold mining sector has been a considerable source of tuberculosis (TB) and silicosis disease burden across Southern Africa. Reading chest radiographs (CXRs) is an expert and time-intensive process necessary for the screening and diagnosis of lung disease and the provision of evidence for compensation claims. Our study explores the use of computer-aided detection (CAD) of TB and silicosis in CXRs of a population with a high incidence of both diseases. METHODS: A set of 330 CXRs with human expert-determined classifications of silicosis, TB, silcotuberculosis and normal were provided to four health technology companies. The ability of each of their respective CAD systems to predict disease was assessed using receiver operating characteristic curve analysis of the under the curve metric. RESULTS: Three of the four systems differentiated accurately between TB and normal images, while two differentiated accurately between silicosis and normal images. Inclusion of silicotuberculosis images reduced each system's ability to detect either disease. In differentiating between any abnormal from normal CXR, the most accurate system achieved both a sensitivity and specificity of 98.2%. CONCLUSION: The current ability of CAD to differentiate between TB and silicosis is limited, but its use as a mass screening tool for both diseases shows considerable promise.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».