利用图卷积神经网络从胸部 X 光与患者元数据检测 Covid-19
图像与视频处理
2021-05-24 v2 计算机视觉与模式识别
机器学习
摘要
新型冠状病毒（Covid-19）因其经呼吸道传播的快速扩散特性而带来了重大挑战。因此，对基于人工智能（AI）的快速疾病诊断方法的需求巨大，以作为聚合酶链式反应（PCR）等高需求检测的替代方案。胸部 X 光（CXR）图像分析是一种具有成本效益的放射摄影技术，因其资源可得且筛查快速。但是，复杂深度学习（DL）模型所需的充分且系统的数据收集更为困难，因此近期有利用迁移学习来解决此问题的尝试。然而这些迁移学习模型仍缺乏泛化能力，且对训练数据集的偏置增加，导致在未见数据上表现不佳。预训练模型迁移的特征与 X 光等特定医学成像领域的相关性有限，以及在较少数据上的过拟合可能是造成此状况的原因。在本工作中，我们提出了一种新颖的图卷积神经网络（GCN），能够从 CXR 图像和患者元信息中识别 Covid-19 肺炎的生物标志物。所提方法利用数据实例及其特征之间重要的关系知识进行图表示，并应用卷积来学习图数据，这是传统欧几里得域上的卷积所无法实现的。所提模型在二分类（Covid 与正常）和三分类（Covid、正常、其他肺炎）问题上的大量实验结果表明其优于不同的基准迁移学习模型，从而克服了上述缺陷。
引用
@article{arxiv.2105.09720,
title = {Covid-19 Detection from Chest X-ray and Patient Metadata using Graph Convolutional Neural Networks},
author = {Thosini Bamunu Mudiyanselage and Nipuna Senanayake and Chunyan Ji and Yi Pan and Yanqing Zhang},
journal= {arXiv preprint arXiv:2105.09720},
year = {2021}
}