COVID-19 胸部 CT 图像分割——一种深度卷积神经网络解决方案
图像与视频处理
2020-04-28 v2 计算机视觉与模式识别
机器学习
摘要
2019 年末发现了一种新型冠状病毒肺炎（COVID-19），并迅速在全球多个国家蔓延。计算机断层扫描（CT）图像已被用作耗时的 RT-PCR 检测的重要替代方案。然而，随着疑似病例的增加，纯人工分割 CT 图像面临严峻挑战，导致对 COVID-19 感染的准确自动分割产生了迫切需求。遗憾的是，由于 COVID-19 感染的影像特征多样且与背景相似，现有的医学图像分割方法无法取得令人满意的性能。在本工作中，我们尝试建立一种新的深度卷积神经网络，专门用于分割带有 COVID-19 感染的胸部 CT 图像。我们首先维护了一个全新的大型胸部 CT 图像数据集，包含来自 861 名确诊 COVID-19 患者的 165,667 张标注胸部 CT 图像。受通过调整全局强度可以增强感染肺边界这一观察的启发，在所提出的深度 CNN 中，我们引入了一个特征变化块，它自适应地调整特征的全局属性以分割 COVID-19 感染。所提出的 FV 块能够有效且自适应地增强各种情况下的特征表示能力。我们通过提出渐进式空洞空间金字塔池化来融合不同尺度的特征，以处理具有多样外观和形状的复杂感染区域。我们在中国和德国收集的数据上进行了实验，结果表明所提出的深度 CNN 能够有效产生令人印象深刻的性能。
引用
@article{arxiv.2004.10987,
title = {COVID-19 Chest CT Image Segmentation -- A Deep Convolutional Neural Network Solution},
author = {Qingsen Yan and Bo Wang and Dong Gong and Chuan Luo and Wei Zhao and Jianhu Shen and Qinfeng Shi and Shuo Jin and Liang Zhang and Zheng You},
journal= {arXiv preprint arXiv:2004.10987},
year = {2020}
}