COVID-MobileXpert：基于胸部X光片的设备端COVID-19患者分诊与随访
图像与视频处理
2020-09-08 v3 计算机视觉与模式识别
机器学习
摘要
在COVID-19大流行期间，对快速、专用且点对点的COVID-19患者处置技术以优化资源利用和临床工作流的需求日益凸显。鉴于此需求，我们提出COVID-MobileXpert：一款基于轻量深度神经网络（DNN）的移动应用，可利用胸部X光片（CXR）进行COVID-19病例筛查和放射学轨迹预测。我们设计并实现了一个新颖的三方知识迁移与蒸馏（KTD）框架，包括一个预训练的主任医师（AP）网络（从大规模肺部疾病CXR图像中提取CXR成像特征）、一个微调的住院医师（RF）网络（以少量COVID-19病例学习区分COVID-19与肺炎和/或正常病例的本质CXR成像特征），以及一个训练好的轻量医学生（MS）网络（执行设备端COVID-19患者分诊与随访）。为应对医学图像中高度相似且占主导的前景与背景带来的挑战，我们为MS网络采用新颖损失函数和训练方案以学习鲁棒特征。我们通过具有不同MS架构和调参设置的广泛实验展示了COVID-MobileXpert快速部署的巨大潜力。基于云和移动端的模型源代码可从以下网址获取：https://github.com/xinli0928/COVID-Xray。
引用
@article{arxiv.2004.03042,
title = {COVID-MobileXpert: On-Device COVID-19 Patient Triage and Follow-up using Chest X-rays},
author = {Xin Li and Chengyin Li and Dongxiao Zhu},
journal= {arXiv preprint arXiv:2004.03042},
year = {2020}
}
备注
COVID-19, SARS-CoV-2, On-device Machine Learning, Chest X-Ray (CXR)