利用 CycleGAN 与迁移学习从 CT 图像自动诊断 COVID-19
图像与视频处理
2021-04-27 v1 计算机视觉与模式识别
机器学习
摘要
冠状病毒病（COVID-19）的爆发改变了地球上大多数人的生活。鉴于该疾病的高患病率，为隔离患者而对其正确诊断在抗击疫情的步骤中至关重要。在用于诊断的各类模态中，医学影像尤其是计算机断层扫描（CT）成像因其准确性与可及性成为许多既往研究的焦点。此外，诊断方法的自动化可对医师大有帮助。本文提出一种基于预训练深度神经网络的方法，其借助循环生成对抗网络（CycleGAN）模型进行数据增强，在手头任务上达到了最先进性能，即 99.60% 准确率。同时，为评估该方法，我们收集并由医师标注了一个包含来自 189 名患者的 3163 张图像的数据集。与先前数据集不同，正常数据来自疑似患 COVID-19 的人群而非其他疾病的资料，且该数据库已公开。
引用
@article{arxiv.2104.11949,
title = {Automatic Diagnosis of COVID-19 from CT Images using CycleGAN and Transfer Learning},
author = {Navid Ghassemi and Afshin Shoeibi and Marjane Khodatars and Jonathan Heras and Alireza Rahimi and Assef Zare and Ram Bilas Pachori and J. Manuel Gorriz},
journal= {arXiv preprint arXiv:2104.11949},
year = {2021}
}