COVIDNet-CT：一种专为从胸部CT图像中检测COVID-19病例而定制的深度卷积神经网络设计
图像与视频处理
2020-09-14 v1 计算机视觉与模式识别
机器学习
摘要
2019冠状病毒病（COVID-19）大流行持续对全球患者和医疗系统产生巨大影响。在对抗这一新型疾病的斗争中，迫切需要快速有效的筛查工具来识别感染COVID-19的患者，为此CT成像已被提议作为关键筛查方法之一，可作为RT-PCR检测的补充，特别是在患者因非COVID-19相关原因接受常规CT扫描、患者病情恶化或出现需要紧急处理的并发症，以及疑似COVID-19阳性但RT-PCR检测结果为阴性的情况下。受此启发，在本研究中我们提出COVIDNet-CT，一种通过机器驱动设计探索方法专为从胸部CT图像检测COVID-19病例而定制的深度卷积神经网络架构。此外，我们引入COVIDx-CT，一个由中国国家生物信息中心收集的CT成像数据衍生的基准CT图像数据集，包含1,489例患者病例的104,009张图像。进一步，出于可靠性和透明性的考虑，我们利用可解释性驱动的性能验证策略来研究COVIDNet-CT的决策行为，从而确保COVIDNet-CT基于CT图像中的相关指标做出预测。作为COVID-Net计划的一部分，COVIDNet-CT和COVIDx-CT数据集均以开源和开放获取的方式向公众提供。虽然COVIDNet-CT尚不是可投产的筛查解决方案，但我们希望发布该模型和数据集将鼓励研究人员、临床医生及公民数据科学家利用并基于其进行构建。
引用
@article{arxiv.2009.05383,
title = {COVIDNet-CT: A Tailored Deep Convolutional Neural Network Design for Detection of COVID-19 Cases from Chest CT Images},
author = {Hayden Gunraj and Linda Wang and Alexander Wong},
journal= {arXiv preprint arXiv:2009.05383},
year = {2020}
}
备注
12 pages