COVID-view：基于胸部 CT 的 COVID-19 诊断
图像与视频处理
2021-08-29 v1 计算机视觉与模式识别
摘要
在利用深度学习（DL）模型对胸部 CT 数据进行 COVID-19 自动肺与病灶分割及分类方面已完成大量工作。然而，专注于支持 COVID-19 视觉+DL 双重诊断的综合可视化系统尚不存在。我们提出 COVID-view，一种专为放射科医生从胸部 CT 数据诊断 COVID-19 而定制的可视化应用。该系统集成了自动肺分割、肺部异常定位/隔离的完整流程，随后提供可视化、视觉与 DL 分析以及测量/量化工具。我们的系统将放射科医生传统的 2D 工作流与更新的 2D 和 3D 可视化技术以及 DL 支持相结合，以实现更全面的诊断。COVID-view 集成了一个新颖的 DL 模型，用于将患者分类为 COVID-19 阳性/阴性病例，该模型作为使用 COVID-view 的放射科医生的阅读辅助，并提供注意力热图作为模型输出的可解释 DL。我们通过具有丰富诊断胸部 CT 扫描（COVID-19、肺栓塞及其他肺部感染性疾病）经验的专家放射科医生对真实世界患者数据的建议、密切反馈和案例研究，设计并评估了 COVID-view。我们提出了 COVID-19 诊断的需求与任务分析，这些分析驱动了我们的设计选择，并造就了一个能够处理真实世界患者病例的实用系统。
引用
@article{arxiv.2108.03799,
title = {COVID-view: Diagnosis of COVID-19 using Chest CT},
author = {Shreeraj Jadhav and Gaofeng Deng and Marlene Zawin and Arie E. Kaufman},
journal= {arXiv preprint arXiv:2108.03799},
year = {2021}
}
备注
11 pages, 10 figures, accepted to IEEE VIS 2021 conference and IEEE Transactions on Visualization and Computer Graphics