基于胸部X射线图像的COVID-19感染图生成与检测
图像与视频处理
2025-01-27 v2 计算机视觉与模式识别
机器学习
摘要
计算机辅助诊断已成为准确、即时检测2019冠状病毒病（COVID-19）以辅助治疗并防止病毒传播的必要手段。大量研究提出使用深度学习技术进行COVID-19诊断。然而，它们用于评估的胸部X射线（CXR）图像库非常有限，COVID-19样本仅数百例。此外，这些方法既不能定位也不能分级COVID-19感染的严重程度。为此，近期研究提出探索深度网络的激活图。但其在定位实际病灶方面仍不准确，难以用于临床。本研究提出一种新方法，通过生成所谓的感染图，从CXR图像中联合实现COVID-19的定位、严重程度分级与检测。为此，我们构建了最大的数据集，包含119,316张CXR图像，其中有2951个COVID-19样本，并通过一种新颖的人机协作方法在CXR上标注了真值分割掩码。此外，我们公开了首个带有COVID-19感染区域真值分割掩码的CXR数据集。一组详尽实验表明，最先进的分割网络可学习定位COVID-19感染，F1分数达83.20%，显著优于先前方法生成的激活图。最后，所提方法实现了94.96%灵敏度和99.88%特异度的COVID-19检测性能。
引用
@article{arxiv.2009.12698,
title = {COVID-19 Infection Map Generation and Detection from Chest X-Ray Images},
author = {Aysen Degerli and Mete Ahishali and Mehmet Yamac and Serkan Kiranyaz and Muhammad E. H. Chowdhury and Khalid Hameed and Tahir Hamid and Rashid Mazhar and Moncef Gabbouj},
journal= {arXiv preprint arXiv:2009.12698},
year = {2025}
}