基于卷积-注意力混合神经架构的COVID-19肺炎严重程度预测
图像与视频处理
2021-07-08 v2 计算机视觉与模式识别
摘要
本研究提出了一种用于COVID-19严重程度预测的崭新框架，其结合了以数据为中心与以模型为中心的方法。首先，我们针对所研究数据集的极度稀缺数据场景提出了一种以数据为中心的预训练。其次，我们提出了两种混合卷积-注意力神经架构，其利用了来自Transformer的自注意力与稠密联想记忆（现代Hopfield网络）。我们提出的方法相较常规基线方法取得了显著改进。我们提出方法中最佳模型在地理范围上达到、皮尔逊相关系数，在 opacity 预测上达到。
引用
@article{arxiv.2107.02672,
title = {COVID-19 Pneumonia Severity Prediction using Hybrid Convolution-Attention Neural Architectures},
author = {Nam Nguyen and J. Morris Chang},
journal= {arXiv preprint arXiv:2107.02672},
year = {2021}
}