COVID-CLNet：基于压缩深度学习方法的COVID-19检测
图像与视频处理
2020-12-07 v1 计算机视觉与模式识别
机器学习
摘要
COVID-19大流行是最严重的全球健康威胁之一。强调改善诊断和提升诊断能力有助于显著阻止其传播。因此，为协助放射科医生或其他医疗专业人员在尽可能短的时间内检测和识别COVID-19病例，我们提出了一种使用计算机断层扫描（CT）图像的计算机辅助检测（CADe）系统。该提出的增强型深度学习网络（CLNet）基于深度学习（DL）网络的实现，作为压缩学习（CL）的补充。我们利用CL在测量域中的inception特征提取技术，在接入卷积神经网络之前将数据的特征表示到一个维度更低的新空间中。所有原始特征通过感知矩阵在新空间中均等贡献。在不同压缩方法上进行的实验显示出对COVID-19检测的良好结果。此外，我们基于不同感知矩阵的新型加权方法用于捕获增强特征，证明了所提方法性能的提升。
引用
@article{arxiv.2012.02234,
title = {COVID-CLNet: COVID-19 Detection with Compressive Deep Learning Approaches},
author = {Khalfalla Awedat and Almabrok Essa},
journal= {arXiv preprint arXiv:2012.02234},
year = {2020}
}
备注
7 pages, 6 figures