COVID-CXNet：利用深度学习在前胸部 X 射线图像中检测 COVID-19
图像与视频处理
2020-07-30 v2 计算机视觉与模式识别
机器学习
摘要
通过新型冠状病毒筛查感染者的首要临床观察之一是拍摄胸部 X 射线图像。在大多数患者中，胸部 X 射线包含异常，如实变，这些是 COVID-19 病毒性肺炎的结果。在本研究中，我们在大型数据集上开展研究，利用深度卷积神经网络高效检测此类肺炎的影像特征。研究表明，简单模型以及文献中大多数预训练网络在决策时聚焦于不相关特征。本文收集了来自多个来源的众多胸部 X 射线图像，并准备了最大的公开可访问数据集。最后，利用迁移学习范式，采用著名的 CheXNet 模型开发 COVID-CXNet。该强大模型能够基于相关且有意义的特性以精确定位检测新型冠状病毒肺炎。COVID-CXNet 是迈向完全自动化且稳健的 COVID-19 检测系统的一步。
引用
@article{arxiv.2006.13807,
title = {COVID-CXNet: Detecting COVID-19 in Frontal Chest X-ray Images using Deep Learning},
author = {Arman Haghanifar and Mahdiyar Molahasani Majdabadi and Younhee Choi and S. Deivalakshmi and Seokbum Ko},
journal= {arXiv preprint arXiv:2006.13807},
year = {2020}
}
备注
The editor has asked for confidence intervals. In this version, confidence intervals are added to the manuscript