用于基于胸部 X 射线图像预测 COVID-19 的 COVIDGR 数据集与 COVID-SDNet 方法

目前，作为 21 世纪最具传染性的疾病之一，2019 冠状病毒病（COVID-19）是通过 RT-PCR 检测、CT 扫描和/或胸部 X 射线（CXR）图像来诊断的。大多数医疗中心没有 CT（计算机断层扫描）扫描仪和 RT-PCR 检测设备，因此在许多情况下，CXR 图像成为辅助临床医生做出决策的最具时间/成本效益的工具。深度学习神经网络在构建 COVID-19 分诊系统和检测 COVID-19 患者，特别是低严重程度患者方面具有巨大潜力。遗憾的是，当前的数据库不允许构建此类系统，因为它们高度异构且偏向于重症病例。本文包含三部分内容： 我们澄清了大多数最新 COVID-19 分类模型所实现的高敏感度， 在与西班牙格拉纳达的 Hospital Universitario Clínico San Cecilio 的密切合作下，我们构建了 COVIDGR-1.0，这是一个同质且均衡的数据库，包含所有严重程度级别，从 RT-PCR 阳性的正常、轻度、中度到重度。COVIDGR-1.0 包含 426 张阳性和 426 张阴性 PA（后前位）CXR 视图，以及 我们提出了基于 COVID 智能数据的网络（COVID-SDNet）方法，以提高 COVID 分类模型的泛化能力。我们的方法在重度、中度和轻度 COVID-19 严重程度级别上分别达到了 $97.72\% \pm 0.95 \%$、$86.90\% \pm 3.20\%$、$61.80\% \pm 5.49\%$ 的准确率，获得了良好且稳定的结果（论文已被 Journal of Biomedical and Health Informatics 接收发表）。我们的方法有助于 COVID-19 的早期检测。COVIDGR-1.0 及其严重程度标签可通过此链接 https://dasci.es/es/transferencia/open-data/covidgr/ 提供给科学界。