具有特征加权的复合深度网络用于改进肺部 CT 中 COVID 感染区域的勾画
图像与视频处理
2023-02-20 v2 计算机视觉与模式识别
摘要
针对 COVID-19 的早期有效筛查与分级，对于优化医疗机构有限的可用资源已变得势在必行。对肺部 CT 中感染体积的自动分割有望显著辅助患者的诊断与照护。然而，由于病变在肺内结构不规则且位置不定，精确的边界划定仍然困难。本文提出一种新颖的深度学习架构——具有特征加权的复合深度网络（CDNetFW），用于从肺部 CT 图像中高效勾画感染区域。最初在较浅层直接进行粗分割，从而有助于在隐藏层中发现鲁棒且具有判别性的特征。新颖的特征加权模块有助于优先探查相关特征图，以及这些图中包含关键信息的区域。随后估计疾病的严重程度。深度网络 CDNetFW 在 COVID-19 病变分割任务中已被证明优于多种最先进架构，这由公开可用数据集 CT 切片的实验结果所衡量，尤其在界定涉及复杂几何的结构方面。
引用
@article{arxiv.2301.06961,
title = {Composite Deep Network with Feature Weighting for Improved Delineation of COVID Infection in Lung CT},
author = {Pallabi Dutta and Sushmita Mitra},
journal= {arXiv preprint arXiv:2301.06961},
year = {2023}
}