利用感染感知对比混合分类提升 COVID-19 严重程度检测
图像与视频处理
2022-12-02 v2 计算机视觉与模式识别
摘要
本文介绍我们参加第二届 COVID-19 严重程度检测竞赛的方案。该任务旨在区分 COVID-19 胸部 CT 图像中的轻症、中症、重症与危重症等级。在我们的方法中，我们设计了一种新颖的感染感知 3D 对比混合分类网络用于严重程度分级。具体而言，我们训练两个分割网络，先提取肺部区域，再提取内部病灶区域。病灶分割掩码作为原始 CT 切片的互补信息。为缓解数据分布不平衡问题，我们通过加权交叉熵损失进一步改进先进的对比混合分类网络。在 COVID-19 严重程度检测排行榜上，我们的方法以 Macro F1 Score 51.76% 获得第一名，显著优于基线方法超过 11.46%。
引用
@article{arxiv.2211.14559,
title = {Boosting COVID-19 Severity Detection with Infection-aware Contrastive Mixup Classification},
author = {Junlin Hou and Jilan Xu and Nan Zhang and Yuejie Zhang and Xiaobo Zhang and Rui Feng},
journal= {arXiv preprint arXiv:2211.14559},
year = {2022}
}
备注
ECCV AIMIA Workshop 2022