基于迁移学习从胸部 CT 扫描按严重程度对 COVID-19 患者进行分类
图像与视频处理
2022-05-30 v1 计算机视觉与模式识别
摘要
背景与目的：在疫情期间，人工智能（AI）方法与生物医学科学相结合，在减轻医疗系统和医生负担方面发挥着重要作用。COVID-19 病例的迅速增加导致对医院床位和其他医疗设备需求的上升。然而，由于医疗设施有限，建议根据感染严重程度对患者进行诊断。鉴于此，我们分享了利用胸部 CT 扫描和深度学习预训练模型检测 COVID-19 并评估其严重程度的研究。数据集：我们共收集了 1966 张 CT 扫描图像，对应三个不同类别标签，即非 COVID、重症 COVID 和非重症 COVID，其中 714 张 CT 图像属于非 COVID 类，713 张为 non-重症 COVID 类，539 张为重症 COVID 类。方法：所有图像首先使用限制对比度直方图均衡化（CLAHE）方法进行预处理。然后将预处理后的图像输入 VGG-16 网络以提取特征。最后，对提取的特征进行分类，并使用支持向量机（SVM）结合 10 折交叉验证（CV）评估准确率。结果与结论：在我们的研究中，结合了知名的预处理、特征提取和分类策略，使我们在疾病及其严重程度识别上取得 96.05% 的显著成功率（非重症 COVID-19 图像为 97.7%，重症 COVID-19 图像为 93%）。因此，我们的模型可帮助放射科医生检测 COVID-19 及其严重程度。
引用
@article{arxiv.2205.13774,
title = {Classification of COVID-19 Patients with their Severity Level from Chest CT Scans using Transfer Learning},
author = {Mansi Gupta and Aman Swaraj and Karan Verma},
journal= {arXiv preprint arXiv:2205.13774},
year = {2022}
}