一种基于编码器-解码器的COVID-19肺部感染分割方法
图像与视频处理
2020-07-07 v2 计算机视觉与模式识别
摘要
COVID-19疾病的新颖性与传播速度已造成巨大混乱,并促使全球研究人员利用一切资源与能力,从传播方式与病毒潜伏期等方面理解并分析冠状病毒特征。为此,使用了CT和X射线等现有医学特征。例如,CT扫描图像可用于检测肺部感染。但这些特征的挑战(如图像质量与感染特征)限制了其有效性。利用人工智能(AI)工具与计算机视觉算法,检测精度可更高并有助于克服这些问题。本文提出一种基于多任务深度学习的CT扫描图像肺部感染分割方法。所提方法首先分割可能感染的肺区域,然后分割这些区域内的感染。此外,为进行多类分割,所提模型使用双流输入训练。本文使用的多任务学习使我们能克服标注数据短缺。同时,多输入流使模型能在多种特征上学习以提升结果。为评估所提方法,使用了多种特征。实验表明,即便数据和标注图像短缺,所提方法仍能以较高性能分割肺部感染。此外,与SOTA方法相比,我们的方法取得了良好性能结果。
引用
@article{arxiv.2007.00861,
title = {An encoder-decoder-based method for COVID-19 lung infection segmentation},
author = {Omar Elharrouss and Nandhini Subramanian and Somaya Al-Maadeed},
journal= {arXiv preprint arXiv:2007.00861},
year = {2020}
}