基于分割、区域提取与分类流程的 COVID-19 检测
图像与视频处理
2024-07-08 v4 计算机视觉与模式识别
机器学习
摘要
本研究的主要目的是开发一个从大规模且具有挑战性的计算机断层扫描（CT）图像数据库中检测 COVID-19 的流程。所提出的流程包括分割部分、肺部提取部分和分类部分。在基于 UNet 的切片分割之后，还尝试了可选的切片剔除技术。分割部分尝试的方法包括传统分割方法以及基于 UNet 的方法。在分类部分，使用卷积神经网络（CNN）做出最终诊断决策。在结果方面：在分割部分，所提出的分割方法在一个公开可用数据集上显示出较高的 Dice 分数。在分类部分，结果还在切片级和患者级进行了比较。在切片级，对方法进行了比较并显示出较高的验证准确率，表明在预测二维切片方面的有效性。在患者级，所提出的方法在验证集上还就验证准确率和宏 F1 分数进行了比较。用于分类的数据集为 COV-19CT Database。本文提出的方法在我们同一数据集上的先前结果基础上有所改进。总之，本文的改进工作在通过 CT 图像进行 COVID-19 检测和诊断方面具有潜在的临床用途。代码已在 github 上公开：https://github.com/IDU-CVLab/COV19D_3rd
引用
@article{arxiv.2210.02992,
title = {COVID-19 Detection Using Segmentation, Region Extraction and Classification Pipeline},
author = {Kenan Morani},
journal= {arXiv preprint arXiv:2210.02992},
year = {2024}
}