CheXNet : Détection de pneumonie au niveau des radiologistes sur des radiographies thoraciques avec apprentissage profond

Nous développons un algorithme capable de détecter la pneumonie à partir de radiographies thoraciques à un niveau dépassant celui des radiologistes en exercice. Notre algorithme, CheXNet, est un réseau de neurones convolutionnels à 121 couches entraîné sur ChestX-ray14, actuellement le plus grand ensemble de données de radiographies thoraciques disponible publiquement, contenant plus de 100 000 images de radiographies de vue frontale avec 14 maladies. Quatre radiologistes académiques en exercice annotent un ensemble de test, sur lequel nous comparons les performances de CheXNet à celles des radiologistes. Nous constatons que CheXNet dépasse la performance moyenne des radiologistes sur la métrique F1. Nous étendons CheXNet pour détecter les 14 maladies dans ChestX-ray14 et réalisons des résultats de pointe sur les 14 maladies.