COVID-Net MLSys：面向临床工作流的 COVID-Net 设计
图像与视频处理
2021-09-15 v1 计算机视觉与模式识别
摘要
随着 COVID-19 大流行持续在全球造成破坏，一个大有前景的研究领域是机器学习驱动的计算机视觉，以简化 COVID-19 临床工作流的各个环节。这些机器学习方法通常是独立设计的模型，未考虑真实应用工作流所需的集成。在本研究中，我们采取机器学习与系统（MLSys）视角，设计一套顾及临床工作流的 COVID-19 患者筛查系统。COVID-Net 系统由持续演进的 COVIDx 数据集、用于 COVID-19 患者检测的 COVID-Net 深度神经网络，以及用于对 COVID-19 阳性病例进行疾病严重程度评分的 COVID-Net S 深度神经网络组成。COVID-Net 系统内的深度神经网络具备最先进的性能，并设计为集成于用户界面（UI）中，以提供临床决策支持及自动报告生成，协助临床医生的治疗决策。
引用
@article{arxiv.2109.06421,
title = {COVID-Net MLSys: Designing COVID-Net for the Clinical Workflow},
author = {Audrey G. Chung and Maya Pavlova and Hayden Gunraj and Naomi Terhljan and Alexander MacLean and Hossein Aboutalebi and Siddharth Surana and Andy Zhao and Saad Abbasi and Alexander Wong},
journal= {arXiv preprint arXiv:2109.06421},
year = {2021}
}
备注
4 pages