COVID-Net CT-S：用于基于胸部 CT 图像的 COVID-19 严重程度评估的 3D 卷积神经网络架构
图像与视频处理
2021-05-05 v1 计算机视觉与模式识别
摘要
COVID-19 大流行造成的健康和社会经济困难持续在世界范围内引发巨大压力。特别是，病例数量的异常激增给全球医疗保健系统带来了相当大的压力。COVID-19 阳性患者治疗与管理中的一个关键步骤是严重程度评估，鉴于肺部疾病严重程度不同阶段间的细微差异，这对即使是专家放射科医生而言也具有挑战性。受此挑战驱动，我们引入了 COVID-Net CT-S，一套用于预测由 COVID-19 感染所致肺部疾病严重程度的深度卷积神经网络。更具体地，利用了 3D 残差架构设计来学习表征 COVID-19 肺部疾病严重程度程度的体积视觉指标。使用中国国家生物信息中心（CNCB）收集的患者队列的实验结果表明，所提出的 COVID-Net CT-S 网络通过利用体积特征，相较于学习和利用 2D 视觉特征来表征 COVID-19 严重程度的传统严重程度评估网络，能够实现显著改善的严重程度评估性能。
引用
@article{arxiv.2105.01284,
title = {COVID-Net CT-S: 3D Convolutional Neural Network Architectures for COVID-19 Severity Assessment using Chest CT Images},
author = {Hossein Aboutalebi and Saad Abbasi and Mohammad Javad Shafiee and Alexander Wong},
journal= {arXiv preprint arXiv:2105.01284},
year = {2021}
}