COVID-19肺部扫描图像的聚类分析
计算机视觉与模式识别
2021-12-02 v2 机器学习
图像与视频处理
机器学习
摘要
随着COVID-19大流行的持续，理解该病毒的特征已成为科学界一项重要且具挑战性的任务。尽管已有针对COVID-19的检测方法，我们研究的目标是探索识别感染者的其他途径。我们小组应用无监督聚类技术，对一个包含COVID-19感染者、病毒性肺炎感染者及健康个体肺部扫描图像的数据集进行探索。这是一个重要的探索方向，因为COVID-19是一种目前正在被详细研究的新型疾病。我们的方法探讨了无监督聚类算法在揭示COVID-19与其他呼吸道疾病之间重要隐藏差异方面的潜力。我们的实验使用了主成分分析（PCA）、K-Means++（KM++）以及近期提出的鲁棒连续聚类算法（RCC）。我们使用调整互信息（AMI）分数评估了KM++与RCC在聚类COVID-19肺部扫描图像上的性能。
引用
@article{arxiv.2009.09899,
title = {Clustering COVID-19 Lung Scans},
author = {Jacob Householder and Andrew Householder and John Paul Gomez-Reed and Fredrick Park and Shuai Zhang},
journal= {arXiv preprint arXiv:2009.09899},
year = {2021}
}
备注
11 pages, 7 figures