一种用于胸部 CT 高效可解释 COVID-19 诊断的机器学习新实现
图像与视频处理
2022-07-15 v1 计算机视觉与模式识别
机器学习
摘要
在如 COVID-19 这般紧迫的全球卫生危机中，对快速、可靠诊断的需求日益迫切。当前，逆转录聚合酶链反应（RT-PCR）等流行检测方法可能存在较高假阴性率。因此，COVID-19 患者未被准确识别，也无法足够快速地接受治疗以阻断病毒传播。然而，近期医学 CT 数据的增长提供了有前景的途径，因为 CT 表现包含指示 COVID-19 的关键特征。本研究旨在以新颖方法基于机器学习从胸部 CT 扫描检测 COVID-19。首先，本研究使用的数据集来自三个主要来源，共包含 923 例患者病例的 17,698 张胸部 CT 切片。随后开发图像预处理算法，通过排除无关特征来降噪。还采用 EfficientNetB7 预训练模型进行迁移学习，以提供骨干架构并节省计算资源。最后，利用多种可解释性技术，通过定位感染区域并高亮细粒度像素细节来定性验证模型性能。所提模型取得 0.927 的总体准确率和 0.958 的灵敏度。可解释性措施显示，模型正确区分了与 COVID-19 胸部 CT 图像相关的关键特征与正常对照。深度学习框架提供高效、人类可解释的 COVID-19 诊断，可辅助放射科医生决策或作为替代筛查工具。未来工作或可揭示感染严重程度、患者风险分层与预后。
引用
@article{arxiv.2207.07117,
title = {A Novel Implementation of Machine Learning for the Efficient, Explainable Diagnosis of COVID-19 from Chest CT},
author = {Justin Liu},
journal= {arXiv preprint arXiv:2207.07117},
year = {2022}
}
备注
19 pages