利用少样本深度学习方法从稀缺胸部X光图像数据中检测COVID-19
图像与视频处理
2021-03-02 v2 计算机视觉与模式识别
机器学习
摘要
在当前COVID-19大流行形势下，亟需快速准确地筛查感染患者。使用基于胸部X光图像训练的深度学习模型可成为此类情况下筛查COVID-19患者的有效方法。深度学习方法已在医学界被广泛使用。然而，它们需要大量数据才能准确。开源社区已共同收集并标注数据，但不足以训练准确的深度学习模型。少样本学习是机器学习的一个子领域，旨在以较少数据学习目标。在这项工作中，我们实验了深度学习中应对数据稀缺的知名方案来检测COVID-19。这些包括数据增强、迁移学习、少样本学习和无监督学习。我们还提出了一种基于连体网络的自定义少样本学习方法来检测COVID-19。实验结果表明，即使数据量较少，采用少样本学习方法也能实现高效准确的COVID-19检测深度学习模型。使用我们提出的方法，准确率达到了96.4%，较基线模型的83%有所提升。
引用
@article{arxiv.2102.06285,
title = {COVID-19 detection from scarce chest x-ray image data using few-shot deep learning approach},
author = {Shruti Jadon},
journal= {arXiv preprint arXiv:2102.06285},
year = {2021}
}
备注
10 pages, 5 figures. Proceedings Volume 11601, Medical Imaging 2021: Imaging Informatics for Healthcare, Research, and Applications