使用残差注意力网络进行COVID-19筛查的人工智能方法
图像与视频处理
2021-07-02 v3 计算机视觉与模式识别
摘要
2019冠状病毒病(COVID-19)由严重急性呼吸综合征冠状病毒2(SARS-CoV-2)引起。该病毒传播迅速，其基本再生数R为2.2–2.7。2020年3月，世界卫生组织宣布COVID-19疫情为大流行。COVID-19目前影响超过200个国家，现存确诊病例达600万。有效的COVID-19检测策略对控制疫情至关重要，但使用逆转录聚合酶链反应(RT-PCR)的检测试剂盒供不应求。本文中，我们提出一种利用人工智能筛查COVID-19的技术。我们的技术仅需数秒即可筛查患者体内是否存在该病毒。我们收集了胸部X射线图像数据集，并训练了若干流行的基于深度卷积神经网络的模型(VGG、MobileNet、Xception、DenseNet、InceptionResNet)来对胸部X射线进行分类。由于对这些模型不满意，我们随后设计构建了残差注意力网络(Residual Attention Network)，能够以98%的测试准确率和100%的验证准确率筛查COVID-19。我们模型的特征图可视化显示了胸部X射线中对分类重要的区域。我们的工作有助于增加AI辅助应用在临床实践中的采用。本项目使用的代码和数据集可在 https://github.com/vishalshar/covid-19-screening-using-RAN-on-X-ray-images 获取。
引用
@article{arxiv.2006.16106,
title = {COVID-19 Screening Using Residual Attention Network an Artificial Intelligence Approach},
author = {Vishal Sharma and Curtis Dyreson},
journal= {arXiv preprint arXiv:2006.16106},
year = {2021}
}