医学影像中轻量级深度学习技术用于高精度COVID-19诊断的评估
图像与视频处理
2023-05-31 v1 计算机视觉与模式识别
摘要
及时快速的诊断是制定最优干预措施以遏制COVID-19传播的核心。已提倡使用胸部X光片和CT等医学图像来补充逆转录聚合酶链反应（RT-PCR）检测，这进而促进了深度学习技术在开发自动化感染检测系统中的应用。决策支持系统缓解了图像体格检查固有的挑战，后者既耗时又需要训练有素的临床医生解读。对迄今相关已报道研究的回顾表明，大多数所采用的深度学习方法难以在资源受限设备上实现。鉴于感染率不断上升，快速可信的诊断是控制传播的核心工具，亟需低成本、移动床旁检测系统，尤其对中和低收入国家而言。本文提出并评估了使用MobileNetV2模型的轻量级深度学习技术检测COVID-19的性能。结果表明，轻量级深度学习模型的性能可与重量级模型媲美，但在部署效率上显著提升，尤其降低了计算资源的成本和内存需求。
引用
@article{arxiv.2305.19016,
title = {An Evaluation of Lightweight Deep Learning Techniques in Medical Imaging for High Precision COVID-19 Diagnostics},
author = {Ogechukwu Ukwandu and Hanan Hindy and Elochukwu Ukwandu},
journal= {arXiv preprint arXiv:2305.19016},
year = {2023}
}
备注
20 pages, 9 Tables, 10 Figures