基于 2D 与 3D 方法的计算机断层扫描图像 COVID-19 检测
图像与视频处理
2021-05-21 v2 计算机视觉与模式识别
机器学习
摘要
在计算机断层扫描(CT)或放射图像中检测 COVID-19 已被提议作为确诊 RT-PCR 检测的补充。我们提出一种用于检测 COVID-19 感染的深度学习集成方法，结合基于切片(2D)与基于体积(3D)的方法。2D 系统独立检测每张 CT 切片上的感染，并通过不同方法(平均与长短期记忆网络)整合以得到患者级判定。3D 系统一次性输入整个 CT 体积以得到患者级判定。本工作还收集了一个称为 IST-C 数据集的新型高分辨率胸部 CT 扫描数据集。所提集成方法称为 IST-CovNet，在 IST-C 数据集上区分 COVID-19、正常对照与其他类型肺部病变时总体准确率达 90.80%、AUC 分数 0.95；在仅含 COVID-19 扫描与正常对照的公开 MosMed 数据集上准确率达 93.69%、AUC 分数 0.99。该系统已部署于伊斯坦布尔大学 Cerrahpasa 医学院。
引用
@article{arxiv.2105.08506,
title = {COVID-19 Detection in Computed Tomography Images with 2D and 3D Approaches},
author = {Sara Atito Ali Ahmed and Mehmet Can Yavuz and Mehmet Umut Sen and Fatih Gulsen and Onur Tutar and Bora Korkmazer and Cesur Samanci and Sabri Sirolu and Rauf Hamid and Ali Ergun Eryurekli and Toghrul Mammadov and Berrin Yanikoglu},
journal= {arXiv preprint arXiv:2105.08506},
year = {2021}
}