基于深度学习的胸部X光图像COVID-19与肺炎自动检测
图像与视频处理
2021-10-19 v1 计算机视觉与模式识别
摘要
本研究利用包含常见病毒性肺炎、细菌性肺炎及确诊COVID-19患者的X光图像数据集，实现新型冠状病毒疾病的自动检测。本调查旨在评估近年来提出的先进卷积神经网络架构在医学图像分类中的表现。具体而言，本研究采用了迁移学习（Transfer Learning）方法。借助迁移学习，在小型医学图像数据集中检测各类异常是一个可实现的目标，通常能产生出色的结果。本实验使用的数据集如下：首先，一个包含24000张X光图像的集合，其中6000张为确诊COVID-19图像，6000张为确诊常见细菌性肺炎图像，6000张为正常状况图像。这些数据是从公开医学数据库中可获取的X光图像收集并扩充而来的。结果表明，结合X光成像的深度学习能够区分出与COVID-19疾病相关的重要生物学标志，所获得的最佳精确度、敏感性和特异性分别为97.83%、96.81%和98.56%。
引用
@article{arxiv.2110.09384,
title = {Automatic Detection of COVID-19 and Pneumonia from Chest X-Ray using Deep Learning},
author = {Sarath Pathari},
journal= {arXiv preprint arXiv:2110.09384},
year = {2021}
}