用于从胸部 CT 扫描检测 COVID-19 的轻量级 CNN
图像与视频处理
2021-04-30 v1 计算机视觉与模式识别
机器学习
摘要
COVID-19 是一种已被世界卫生组织宣布为大流行的世界性疾病。胸部计算机断层扫描(CT)成像似乎是一种有效的诊断工具，可及时检测 COVID-19 并控制疾病传播。深度学习已广泛用于医学影像，卷积神经网络(CNN)也已用于 CT 图像的分类。我们提出了一种基于 SqueezeNet 模型的轻量级 CNN 设计，用于高效区分 COVID-19 CT 图像与其他 CT 图像(社区获得性肺炎和/或健康图像)。在测试数据集上，所提出的改进 SqueezeNet CNN 以非常高效的方式(无 GPU 加速的中端笔记本电脑 7.81 秒)达到了 83.00% 的准确率、85.00% 的灵敏度、81.00% 的特异度、81.73% 的精确率和 0.8333 的 F1 分数。除性能外，其平均分类时间相对于更复杂的 CNN 设计也极具竞争力，从而使其也可在中端算力计算机上使用。在不久的将来，我们旨在从两个方向改进该方法的性能：1) 增加训练数据集(一旦有其他 CT 图像可用)；2) 引入高效的预处理策略。
引用
@article{arxiv.2004.12837,
title = {A Light CNN for detecting COVID-19 from CT scans of the chest},
author = {Matteo Polsinelli and Luigi Cinque and Giuseppe Placidi},
journal= {arXiv preprint arXiv:2004.12837},
year = {2021}
}