一种用于改善胸部 X 光中 COVID-19 检测的骨骼抑制模型集成方法
图像与视频处理
2022-05-04 v2 计算机视觉与模式识别
摘要
胸部 X 光（CXR）是一种广泛开展的放射学检查，有助于检测胸腔内组织和器官的异常。检测如 COVID-19 等肺部异常可能变得困难，因为它们被肋骨和锁骨等骨性结构遮挡，从而导致筛查/诊断的误读。自动骨骼抑制方法有助于抑制这些骨性结构并增加软组织可见度。在本研究中，我们提出构建卷积神经网络模型集成以抑制正位 CXR 中的骨骼、改善分类性能，并减少与 COVID-19 检测相关的判读错误。该集成通过以下方式构建：(i) 测量排名前 3 的骨骼抑制模型各自预测的骨骼抑制图像子块与其对应真实软组织图像子块之间的多尺度结构相似性指数（MS-SSIM）分数；(ii) 对每个子块计算的 MS-SSIM 分数进行多数投票，以识别具有最大 MS-SSIM 分数的子块，并将其用于构建最终的骨骼抑制图像。我们通过实验确定了可提供优越骨骼抑制性能的亚块尺寸。观察到骨骼抑制模型集成在 MS-SSIM 及其他指标上优于单个模型。我们重新训练并评估了一个 CXR 模态特定的分类模型，用于对非骨骼抑制和骨骼抑制图像进行分类，判断其为正常肺或表现为其他 COVID-19 样征象。我们观察到，骨骼抑制模型训练在检测 COVID-19 征象方面显著优于在非骨骼抑制图像上训练的模型。
引用
@article{arxiv.2111.03404,
title = {A bone suppression model ensemble to improve COVID-19 detection in chest X-rays},
author = {Sivaramakrishnan Rajaraman and Gregg Cohen and Lillian Spear and Les folio and Sameer Antani},
journal= {arXiv preprint arXiv:2111.03404},
year = {2022}
}
备注
29 pages, 10 figures, 4 tables