一种提升 COVID-19 CT 图像质量与诊断准确率的深度学习框架
图像与视频处理
2021-12-20 v1 计算机视觉与模式识别
摘要
我们提出了一种基于深度学习的新冠肺炎快速精准 CT 检测计算框架（DL-FACT）。我们的基于 CT 的深度学习框架旨在通过基于深度学习的 CT 图像增强与分类方法，提升新冠肺炎（及其变异株）的检测速度与准确率。图像增强网络改编自 DDnet，即基于 DenseNet 与反卷积的网络。为验证其速度与准确率，我们在多个来源的新冠肺炎 CT 图像上评估了 DL-FACT。结果表明，DL-FACT 可将周转时间从数天显著缩短至数分钟，并将新冠肺炎检测准确率提升至 91%。DL-FACT 可作为医学专业人员在诊断与监测新冠肺炎时的软件工具。
引用
@article{arxiv.2112.09216,
title = {A Deep-Learning Framework for Improving COVID-19 CT Image Quality and Diagnostic Accuracy},
author = {Garvit Goel and Jingyuan Qi and Wu-chun Feng and Guohua Cao},
journal= {arXiv preprint arXiv:2112.09216},
year = {2021}
}
备注
10 pages