一种新颖可靠的基于深度学习的网页工具用于从胸部 CT 扫描中检测 COVID-19 感染
图像与视频处理
2020-06-29 v2 计算机视觉与模式识别
机器学习
摘要
冠状病毒已在全球许多国家蔓延，并夺走了许多生命。此外，世界卫生组织（WHO）已宣布 COVID-19 已达到全球大流行阶段。利用胸部 CT 扫描进行早期可靠诊断可在紧要情况下协助医学专家。在本工作中，我们引入一种计算机辅助诊断（CAD）网页服务以在线检测 COVID-19。本实验使用了包含 746 名参与者的最大公共胸部 CT 扫描数据库之一。我们考察了若干知名深度神经网络架构，包括 ResNet、Inception 和 MobileNet，以寻找混合系统最高效的模型。我们选择了稠密连接卷积网络（DenseNet）用于降低图像维度，以及 Nu-SVM 作为抗过拟合瓶颈，以区分 COVID-19 与健康对照。所提方法取得了 90.80% 召回率、89.76% 精确率和 90.61% 准确率，该方法还给出了 95.05% 的 AUC。最终通过 ngrok 使用训练好的模型发布了一个 flask 网页服务，提供 RESTful 的 COVID-19 检测器，处理一张图像仅需 39 毫秒。源代码亦发布于 https://github.com/KiLJ4EdeN/COVID_WEB。基于上述发现，可推断将所提技术用作 COVID-19 自动化诊断工具是可行的。
引用
@article{arxiv.2006.14419,
title = {A Novel and Reliable Deep Learning Web-Based Tool to Detect COVID-19 Infection from Chest CT-Scan},
author = {Abdolkarim Saeedi and Maryam Saeedi and Arash Maghsoudi},
journal= {arXiv preprint arXiv:2006.14419},
year = {2020}
}
备注
9 pages, 8 figures, Improved English writing in the abstract, introduction and conclusion sections. Removed DenseNet typos underneath figures. Fixed some other minor typos