利用视觉 Transformer 与可解释 AI 的 Covid-19 检测
图像与视频处理
2024-05-07 v2 计算机视觉与模式识别
摘要
肺部疾病是世界许多地区的常见健康问题。由于它位列前三十大死因中的五项，对全球人类的健康和生活质量构成重大威胁。其中仅举数例包括 COVID-19、肺炎和结核病。早期诊断是至关重要的。为此已开发多种不同模型，包括机器学习和图像处理。疾病诊断越早，患者完全康复并长期存活的机会越大。得益于深度学习算法，基于医学影像对肺部疾病进行自主、快速、准确识别展现出重大前景。多种不同的深度学习策略，包括卷积神经网络（CNN）、 vanilla 神经网络、基于视觉几何群的网络（VGG）和胶囊网络，被用于肺部疾病预测这一目标。标准 CNN 在处理旋转、倾斜或其他异常图像方向时性能较差。因此，在本研究范围内，我们提出了一种基于视觉 transformer 的端到端框架用于肺部疾病诊断。该架构包含数据增强、所提模型的训练以及模型评估。为检测肺炎、Covid-19、肺部混浊等疾病，一个专门的紧凑卷积 Transformer（CCT）模型已在如 Covid-19 放射数据库等数据集上进行了测试与评估。该模型在 Covid-19 放射数据库上的训练与验证均取得了更好的准确率。
引用
@article{arxiv.2307.16033,
title = {CoVid-19 Detection leveraging Vision Transformers and Explainable AI},
author = {Pangoth Santhosh Kumar and Kundrapu Supriya and Mallikharjuna Rao K and Taraka Satya Krishna Teja Malisetti},
journal= {arXiv preprint arXiv:2307.16033},
year = {2024}
}