COVID CT-Net：利用注意力卷积网络从胸部 CT 图像预测新冠肺炎
图像与视频处理
2020-09-14 v1 计算机视觉与模式识别
机器学习
摘要
新型冠状病毒病（COVID-19）大流行已在全球 200 多个国家引发重大疫情，对许多人的健康和生命造成了严重影响。截至 2020 年 8 月 25 日，感染人数超过 2000 万，报告死亡人数超过 80 万。计算机断层扫描（CT）图像可用作耗时的“逆转录聚合酶链反应（RT-PCR）”检测的替代方法，以检测 COVID-19。在这项工作中，我们开发了一个深度学习框架，用于从 CT 图像预测 COVID-19。我们提出使用一种注意力卷积网络，该网络能够聚焦于胸部的感染区域，从而使其进行更准确的预测。我们在一个包含 2000 多张 CT 图像的数据集上训练了模型，并依据灵敏度、特异度、曲线下面积以及精确率-召回率曲线等多种常用指标报告了其性能，取得了非常有前景的结果。我们还提供了若干测试图像模型注意力图的可视化，并表明我们的模型如预期般关注于感染区域。除开发机器学习建模框架外，我们还在一名委员会认证放射科医生的帮助下，对胸部潜在感染区域进行了人工标注，并将其公开供其他研究人员使用。
引用
@article{arxiv.2009.05096,
title = {COVID CT-Net: Predicting Covid-19 From Chest CT Images Using Attentional Convolutional Network},
author = {Shakib Yazdani and Shervin Minaee and Rahele Kafieh and Narges Saeedizadeh and Milan Sonka},
journal= {arXiv preprint arXiv:2009.05096},
year = {2020}
}