利用胸部X光片识别大流行早期病例的异常检测方法
图像与视频处理
2021-04-15 v2 计算机视觉与模式识别
机器学习
摘要
当前的COVID-19大流行现已得到控制，尽管代价是超过230万人的生命。任何大流行中的关键阶段都是早期病例检测，以制定预防性治疗和策略。在COVID-19的情况下，若干研究表明感染患者的胸部放射影像显示出特征性异常。然而，在给定大流行（如COVID-19）爆发时，受影响病例的数据可能不足以训练模型进行稳健检测。因此，监督分类对此问题是不适定的，因为从感染者收集大量数据所花费的时间可能导致生命损失和预防干预的延迟。因此，我们将大流行中识别早期病例的问题表述为异常检测问题，其中健康患者的数据丰富可用，而感兴趣类别（本例中为COVID-19）没有训练数据。为解决这个问题，我们提出了几种无监督深度学习方法，包括卷积和对抗训练的自编码器。我们在公开可用数据集（COVIDx）上测试了两种设置，通过训练胸部X光片模型于（i）仅健康成人，以及（ii）健康和其他非COVID-19肺炎，并将COVID-19检测为异常。在执行3折交叉验证后，我们获得0.765的ROC-AUC。这些结果非常令人鼓舞，并为确保未来大流行中应急准备的研究铺平了道路，特别是那些可从胸部X光片检测的大流行。
引用
@article{arxiv.2010.02814,
title = {Anomaly Detection Approach to Identify Early Cases in a Pandemic using Chest X-rays},
author = {Shehroz S. Khan and Faraz Khoshbakhtian and Ahmed Bilal Ashraf},
journal= {arXiv preprint arXiv:2010.02814},
year = {2021}
}
备注
9 pages, 3 tables, 3 figures