CIRCA：支持基于胸部 X 射线的 COVID-19 诊断的可理解在线系统
图像与视频处理
2025-12-01 v1 计算机视觉与模式识别
摘要
由于需要住院的患者大量积累，COVID-19 大流行疾病导致了卫生系统的高负荷，甚至在发达国家也是如此。基于医学影像数据的深度学习技术可以帮助更快地检测 COVID-19 病例并监测疾病进展。尽管针对肺部 X 射线提出了众多解决方案，但没有一个是可以在临床中使用的产品。使用五个不同的数据集（POLCOVID、AIforCOVID、COVIDx、NIH 和人工生成数据）构建了包含 23,799 张胸部 X 射线 (CXR) 的代表性数据集用于模型训练；1,050 张图像用作留出测试集，44,247 张用作独立测试集（BIMCV 数据库）。开发了一个基于 U-Net 的模型来识别 CXR 的临床相关区域。使用二维高斯混合模型将每个图像类别（正常、肺炎和 COVID-19）划分为 3 个亚型。使用决策树聚合基于处理后的 CXR 的 InceptionV3 网络的预测以及基于影像组学特征的密集神经网络预测。肺部分割模型在验证数据集中的 Sorensen-Dice 系数为 94.86%，在测试数据集中为 93.36%。在 5 折交叉验证中，所有类别的准确率介于 91% 到 93% 之间，特异性略高于敏感性，阴性预测值 (NPV) 略高于阳性预测值 (PPV)。在留出测试集中，平衡准确率介于 68% 和 100% 之间。亚型 N1、P1 和 C1 获得了最高的性能。在独立数据集上，正常和 COVID-19 类别亚型获得了相似的性能。被错误分类为正常病例的 COVID-19 患者中，有 76% 被放射科医师标注为没有疾病迹象。最后，我们开发了在线服务 (https://circa.aei.polsl.pl) 以提供对快速诊断支持工具的访问。
引用
@article{arxiv.2210.05440,
title = {CIRCA: comprehensible online system in support of chest X-rays-based COVID-19 diagnosis},
author = {Wojciech Prazuch and Aleksandra Suwalska and Marek Socha and Joanna Tobiasz and Pawel Foszner and Jerzy Jaroszewicz and Katarzyna Gruszczynska and Magdalena Sliwinska and Jerzy Walecki and Tadeusz Popiela and Grzegorz Przybylski and Andrzej Cieszanowski and Mateusz Nowak and Malgorzata Pawlowska and Robert Flisiak and Krzysztof Simon and Gabriela Zapolska and Barbara Gizycka and Edyta Szurowska and POLCOVID Study Group and Michal Marczyk and Joanna Polanska},
journal= {arXiv preprint arXiv:2210.05440},
year = {2025}
}