使用 DeTraC 深度卷积神经网络对胸部 X 光图像中的 COVID-19 进行分类
图像与视频处理
2020-05-19 v3 计算机视觉与模式识别
机器学习
机器学习
摘要
胸部 X 光是首个在 COVID-19 疾病诊断中发挥重要作用的成像技术。由于大规模标注图像数据集的高度可得性，卷积神经网络（CNN）在图像识别与分类中取得了巨大成功。然而，由于标注医学图像的有限可得性，医学图像分类仍是医学诊断中的最大挑战。得益于迁移学习——一种通过将知识从通用目标识别任务转移到特定领域任务来提供有前景解决方案的有效机制。在本文中，我们验证并调整了先前开发的称为分解、迁移与组合（DeTraC）的 CNN，用于 COVID-19 胸部 X 光图像的分类。DeTraC 可通过使用类分解机制考察图像数据集的类边界，来处理数据集中的任何不规则性。实验结果表明了 DeTraC 从全球多家医院收集的综合图像数据集中检测 COVID-19 病例的能力。DeTraC 在从正常与严重急性呼吸综合征病例中检测 COVID-19 X 光图像时达到了 95.12% 的高准确率（灵敏度为 97.91%，特异度为 91.87%，精确率为 93.36%）。
引用
@article{arxiv.2003.13815,
title = {Classification of COVID-19 in chest X-ray images using DeTraC deep convolutional neural network},
author = {Asmaa Abbas and Mohammed M. Abdelsamea and Mohamed Medhat Gaber},
journal= {arXiv preprint arXiv:2003.13815},
year = {2020}
}