基于多知识源注意力机制的 CT 图像 COVID-19 检测
图像与视频处理
2020-12-02 v4 计算机视觉与模式识别
人机交互
摘要
迄今为止，冠状病毒 SARS-CoV-2 已在超过 120 个国家造成逾 85 万人死亡、逾 2700 万人感染。除主要的聚合酶链式反应（PCR）检测外，基于计算机断层扫描（CT）自动识别阳性样本可成为 COVID-19 早期诊断中有前景的选择。近来，利用深度网络基于 CT 扫描进行 COVID-19 诊断的努力日益增多。尽管这些方法大多聚焦于引入新颖架构、迁移学习技术或构建大规模数据，我们提出了一种新策略，通过利用与医生判断相关的多个有用信息源来改进若干基线的性能。具体而言，在学习过程中，从所学网络中提取的感染区域和热图通过注意力机制与全局图像相融合。该过程不仅使我们的系统对噪声更鲁棒，还引导网络聚焦于局部病灶区域。大量实验表明我们的方法相较近期基线具有更优性能。此外，我们学到的网络引导向医生呈现了可解释特征，因为我们可以在灰盒模型中理解输入与输出间的关联。
引用
@article{arxiv.2009.11008,
title = {An Attention Mechanism with Multiple Knowledge Sources for COVID-19 Detection from CT Images},
author = {Duy M. H. Nguyen and Duy M. Nguyen and Huong Vu and Binh T. Nguyen and Fabrizio Nunnari and Daniel Sonntag},
journal= {arXiv preprint arXiv:2009.11008},
year = {2020}
}
备注
In AAAI 2021 Workshop: Trustworthy AI for Healthcare