CovMUNET：一种面向胸部X光COVID-19检测的多损失方法
图像与视频处理
2020-09-01 v2 机器学习
摘要
近期COVID-19的爆发使全世界停滞，对公共卫生、全球经济和教育系统造成了破坏性影响。由于该病毒的疫苗尚不可用，对抗病毒最有效的方法是检测与社交隔离。在所有其他检测技术中，基于胸部X光（CXR）的方法因其简便、快速、成本、效率和可及性可成为一个良好解决方案。在本文中，我们提出CovMUNET，这是一种从CXR图像检测COVID-19病例的多损失深度神经网络方法。我们进行了大量实验以确保所提算法的鲁棒性，并根据精确率、召回率、准确率和F1-score评估性能。所提方法以96.97%的准确率（3类分类：COVID-19 vs 正常 vs 肺炎）和99.41%的准确率（2类分类：COVID vs 非COVID）优于SOTA方法。所提神经架构还成功检测到CXR图像中的异常。
引用
@article{arxiv.2007.14318,
title = {CovMUNET: A Multiple Loss Approach towards Detection of COVID-19 from Chest X-ray},
author = {A. Q. M. Sazzad Sayyed and Dipayan Saha and Abdul Rakib Hossain},
journal= {arXiv preprint arXiv:2007.14318},
year = {2020}
}
备注
The paper has been withdrawn by authors due to conflict of interest with ongoing research