CovidGAN：使用辅助分类器 GAN 进行数据增强以改善 Covid-19 检测
图像与视频处理
2021-03-10 v1 计算机视觉与模式识别
机器学习
摘要
冠状病毒病（COVID-19）是一种由严重急性呼吸综合征冠状病毒 2（SARS-CoV-2）引起的病毒性疾病。COVID-19 的蔓延似乎对全球经济与健康产生了不利影响。感染患者的胸部 X 光阳性结果是抗击 COVID-19 的关键一步。早期结果表明，患者的胸部 X 光中存在提示 COVID-19 的异常。这促使了多种深度学习系统的引入，且研究表明，通过使用胸部 X 光进行 COVID-19 患者检测的准确率颇为乐观。像卷积神经网络（CNN）这样的深度学习网络需要大量的训练数据。由于疫情暴发不久，难以在如此短的时间内收集到数量可观的放射影像。因此，在本研究中，我们提出一种通过开发称为 CovidGAN 的基于辅助分类器生成对抗网络（ACGAN）的模型来生成合成胸部 X 光（CXR）图像的方法。此外，我们证明由 CovidGAN 生成的合成图像可用于提升 CNN 对 COVID-19 检测的性能。仅使用 CNN 进行分类的准确率为 85%。通过添加 CovidGAN 生成的合成图像，准确率提升至 95%。我们希望该方法能加速 COVID-19 检测并催生更鲁棒的放射学系统。
引用
@article{arxiv.2103.05094,
title = {CovidGAN: Data Augmentation Using Auxiliary Classifier GAN for Improved Covid-19 Detection},
author = {Abdul Waheed and Muskan Goyal and Deepak Gupta and Ashish Khanna and Fadi Al-Turjman and Placido Rogerio Pinheiro},
journal= {arXiv preprint arXiv:2103.05094},
year = {2021}
}
备注
Accepted at IEEE Access. Received April 30, 2020, accepted May 11, 2020, date of publication May 14, 2020, date of current version May 28, 2020