一种利用胸部X光片检测COVID-19的深度卷积神经网络
图像与视频处理
2021-04-06 v4 计算机视觉与模式识别
机器学习
摘要
目的：我们提出基于密集卷积网络和迁移学习的图像分类器，用于根据三种标签对胸部X光图像进行分类：COVID-19、肺炎和正常。方法：我们对在ImageNet上预训练的神经网络进行微调，并采用二次迁移学习方法，使用NIH ChestX-ray14数据集作为中间步骤。我们还提出了一种称为输出神经元保留的新方法，该方法改变了二次迁移学习技术。为了阐明模型的工作方式，我们使用逐层相关性传播（LRP）生成热图。结果：我们在测试数据集上达到了100%的测试准确率。二次迁移学习和输出神经元保留显示出有前景的结果，主要在训练过程初期提升了性能。尽管LRP揭示X光片上的文字可能影响网络的预测，但我们发现这对准确率只有非常小的影响。结论：虽然仍需临床研究和更大规模的数据集来进一步确保良好的泛化能力，但我们所达到的最先进性能表明，借助人工智能，胸部X光片可以成为一种廉价且准确的COVID-19辅助诊断方法。LRP生成的热图提高了深度神经网络的可解释性，并为未来的诊断研究指明了分析路径。带有输出神经元保留的二次迁移学习提升了性能。
引用
@article{arxiv.2005.01578,
title = {A Deep Convolutional Neural Network for COVID-19 Detection Using Chest X-Rays},
author = {Pedro R. A. S. Bassi and Romis Attux},
journal= {arXiv preprint arXiv:2005.01578},
year = {2021}
}