Phân tích X-quang ngực bằng AI: Phân loại sáu bệnh lý với RAD-DINO-MAIRA-2
Microsoft
Một nhà nghiên cứu đã phát triển bộ phân loại đa nhãn cho sáu bệnh lý ngực bằng cách sử dụng bộ mã hóa RAD-DINO-MAIRA-2 đông lạnh và một đầu phân loại nhỏ có thể huấn luyện. Mô hình đạt AUC trung bình (macro AUC) là 0,9025 trên tập xác thực, được huấn luyện trên 22.466 ảnh X-quang từ VinBigData và OpenI. Dự án tốn khoảng 300 đô la Mỹ trên RunPod và là một nguyên mẫu nghiên cứu, không phải thiết bị lâm sàng.
Từ tháng 10/2025 đến tháng 4/2026, tác giả đã xây dựng một nguyên mẫu nghiên cứu nhận đầu vào là ảnh X-quang ngực và xuất ra sáu xác suất độc lập (0-1) cho các bệnh lý: tim to, xẹp phổi, đông đặc phổi, tràn dịch màng phổi, tràn khí màng phổi và phù phổi. Phương pháp sử dụng bộ mã hóa Microsoft RAD-DINO-MAIRA-2 đã đóng băng (DINOv2 tiền huấn luyện trên khoảng 1,4 triệu ảnh X-quang) với một đầu nhỏ (LayerNorm → Linear(768→256) → GELU → Dropout → Linear(256→6)), chỉ huấn luyện 199.942 trong số 86,8 triệu tham số. Quá trình huấn luyện sử dụng AdamW, kích thước batch 64, độ chính xác bf16 và chi phí khoảng 300 đô la Mỹ trên một A100 80GB trên RunPod. Dữ liệu đến từ VinBigData (15.000 ảnh) và OpenI (7.466 ảnh), với nhãn của OpenI được trích xuất thông qua phân tích dựa trên quy tắc của các báo cáo X-quang, tổng cộng 22.466 ảnh được chia theo tỷ lệ 85/15. Tác giả đã thử DenseNet121 trước nhưng từ bỏ vì không tập trung vào giải phẫu liên quan; bản đồ nhiệt cho thấy sự chú ý vào các artifact và vùng không liên quan. Dự án này rõ ràng không sử dụng phân đoạn hay tạo báo cáo và không được chứng nhận cho mục đích lâm sàng; tác giả tìm kiếm một tổ chức để tiến hành thử nghiệm lâm sàng nhằm đăng ký thiết bị y tế loại 3 tại Nga.
Nguồn: Habr — хаб ИИ —
bản gốc