COVID-VIT：基于视觉 transformer 模型从胸部 CT 图像分类 COVID-19
图像与视频处理
2021-07-06 v1 计算机视觉与模式识别
摘要
本文响应 MIA-COV19 挑战赛，旨在基于肺部 CT 图像将 COVID 与非 COVID 进行分类。过去十八个月中，COVID-19 病毒已感染超过 1.82 亿人并导致逾 390 万人死亡，给全球带来重创。总体目标是通过开发可解释的视觉 transformer 深度学习技术，从胸部放射影像中预测 COVID-19 病毒感染诊断，从而实现更快速、准确且透明的人群筛查。本次竞赛共有 5381 个三维（3D）数据集，其中 1552 个用于训练、374 个用于验证、3455 个用于测试。虽然多数数据体为轴位视图，但也有部分受试者的数据为冠状位或矢状位视图，仅有 1 或 2 个切片为轴位视图。因此，在考察基于 3D 数据的分类的同时，本次竞赛仍以 2D 图像为主。本文研究了两种深度学习方法：基于注意力模型的视觉 transformer（ViT）与构建于传统卷积神经网络（CNN）之上的 DenseNet。基于已知真值的验证数据集的初步评估结果表明，ViT 优于 DenseNet，其 F1 分数分别为 0.76 与 0.72。代码已在 GitHub 发布：<https://github/xiaohong1/COVID-ViT>。
引用
@article{arxiv.2107.01682,
title = {COVID-VIT: Classification of COVID-19 from CT chest images based on vision transformer models},
author = {Xiaohong Gao and Yu Qian and Alice Gao},
journal= {arXiv preprint arXiv:2107.01682},
year = {2021}
}