应用于胸部X射线图像以自动检测COVID-19的人工智能：一种审慎的评估方法
图像与视频处理
2020-12-01 v1 计算机视觉与模式识别
摘要
目前临床上用于诊断COVID-19的标准方案包括分子或抗原检测，通常辅以普通胸部X射线。联合分析旨在减少这些检测的大量假阴性，并提供关于疾病存在和严重程度的补充证据。然而，该过程并非没有错误，且由于复杂性，胸部X射线的解读仅限放射科医生进行。以长期提供新诊断证据为目标，本文提出基于深度神经网络的不同方法的评估。这些是开发使用胸部X射线图像的自动COVID-19诊断工具的第一步，该工具还将区分对照组、肺炎或COVID-19组。本文描述了用从不同来源编译的超过79,500张X射线图像（包括超过8,500个COVID-19样本）的数据集训练卷积神经网络的过程。为评估和比较所开发的模型，遵循三种预处理方案进行了三个不同实验。目的是评估数据预处理如何影响结果并提升其可解释性。同样，对不同可变性问题可能损害系统及其对性能的影响进行了批判性分析。采用所提方法，获得了91.5%的分类准确率，在最差但最具可解释性的实验中平均召回率为87.4%，该实验需要先前对肺部区域进行自动分割。
引用
@article{arxiv.2011.14259,
title = {Artificial Intelligence applied to chest X-Ray images for the automatic detection of COVID-19. A thoughtful evaluation approach},
author = {Julian D. Arias-Londoño and Jorge A. Gomez-Garcia and Laureano Moro-Velazquez and Juan I. Godino-Llorente},
journal= {arXiv preprint arXiv:2011.14259},
year = {2020}
}