一种利用胸部X光片检测COVID-19的级联网络
图像与视频处理
2020-05-05 v1 计算机视觉与模式识别
机器学习
摘要
由新型冠状病毒引起的肺炎在全球蔓延，给世界医疗资源和防控措施带来了前所未有的挑战。Covid-19不仅攻击肺部，导致呼吸困难和生命危险，还会攻击心脏、肾脏、大脑及身体其他重要器官，并可能留下后遗症。目前，COVID-19的检测需要通过逆转录聚合酶链反应（RT-PCR）来实现。然而，许多国家正处于疫情爆发期，医疗资源非常有限，无法提供足够数量的基因序列检测，许多患者可能无法及时隔离和治疗。鉴于这种情况，我们研究了深度学习在胸片上的分析和诊断能力，并提出了Cascade-SEMEnet，它由SEME-ResNet50和SEME-DenseNet169级联而成。Cascade-SEMEnet的两个级联网络均采用大输入尺寸和SE-Structure，并使用MoEx和直方图均衡化进行数据增强。我们首先使用SEME-ResNet50筛查胸部X光片，并诊断出三类：正常、细菌性肺炎和病毒性肺炎。然后，我们使用SEME-DenseNet169对病毒性肺炎进行细粒度分类，判断其是否由COVID-19引起。为了排除非病理特征对网络的影响，我们在SEME-DenseNet169的训练过程中使用U-Net对数据进行预处理。结果表明，我们的网络在判断肺炎感染类型方面达到了85.6%的准确率，在COVID-19的细粒度分类方面达到了97.1%的准确率。我们使用Grad-CAM对基于模型的判断进行可视化，帮助医生理解胸片，同时验证了有效性。
引用
@article{arxiv.2005.01468,
title = {A cascade network for Detecting COVID-19 using chest x-rays},
author = {Dailin Lv and Wuteng Qi and Yunxiang Li and Lingling Sun and Yaqi Wang},
journal= {arXiv preprint arXiv:2005.01468},
year = {2020}
}