用于图像语义分割的校准装袋深度学习：以 COVID-19 胸部 X 光图像为例
图像与视频处理
2023-01-11 v1 计算机视觉与模式识别
机器学习
摘要
严重急性呼吸综合征冠状病毒 2（SARS-CoV-2）引起 2019 冠状病毒病（COVID-19）。胸部 X 光（CXR）和计算机断层扫描（CT）等影像检查可为临床人员提供更高效、全面的 COVID-19 诊断有用信息。作为人工智能（AI）的突破，深度学习已被应用于通过分析 CXR 和 CT 数据来执行 COVID-19 感染区域分割与疾病分类。然而，深度学习模型在这些任务上的预测不确定性——对医学图像处理等安全关键应用非常重要——尚未被全面研究。在本工作中，我们提出一种新颖的集成深度学习模型，通过集成装袋深度学习与模型校准，不仅提升分割性能，还降低预测不确定性。所提方法已在一个与 CXR 图像分割相关的大型数据集上得到验证。实验结果表明，所提方法能够改善分割性能，并降低预测不确定性。
引用
@article{arxiv.2206.00002,
title = {Calibrated Bagging Deep Learning for Image Semantic Segmentation: A Case Study on COVID-19 Chest X-ray Image},
author = {Lucy Nwosu and Xiangfang Li and Lijun Qian and Seungchan Kim and Xishuang Dong},
journal= {arXiv preprint arXiv:2206.00002},
year = {2023}
}