Deep-COVID：利用深度迁移学习从胸部 X 射线图像预测 COVID-19
计算机视觉与模式识别
2021-04-06 v3
摘要
COVID-19 大流行正在全球 150 多个国家引发重大疫情，对许多人的健康与生命造成严重影响。抗击 COVID-19 的关键一步是尽早发现感染者并施以特别照护。从放射摄影与放射学图像检测该病或许是诊断患者最快的方法之一。一些早期研究显示出 COVID-19 感染者胸部放射影像中的特定异常。受前期工作启发，我们研究深度学习模型从胸部放射影像中检测 COVID-19 患者的应用。我们首先从公开数据集准备含 5,000 张胸部 X 射线（Chest X-ray）的数据集。呈现 COVID-19 疾病的图像由委员会认证放射科医生辨识。我们在 2,000 张放射照片子集上采用迁移学习，训练了四种流行卷积神经网络，包括 ResNet18、ResNet50、SqueezeNet 与 DenseNet-121，以识别所分析胸部 X 射线图像中的 COVID-19 疾病。我们在其余 3,000 张图像上评估这些模型，多数网络达到 98%（ 3%）的灵敏度，特异度约 90%。除灵敏度与特异度外，我们还给出各模型的受试者工作特征（ROC）曲线、精确率-召回率曲线、平均预测与混淆矩阵。我们亦采用一种技术生成潜在感染 COVID-19 的肺区热图，并显示生成热图包含放射科医生标注的大部分感染区域。尽管所得性能令人鼓舞，仍需在更大数据集上进一步分析以更可靠估计准确率。数据集、模型实现（PyTorch）与评估均已公开于 https://github.com/shervinmin/DeepCovid.git 供研究界使用。
引用
@article{arxiv.2004.09363,
title = {Deep-COVID: Predicting COVID-19 From Chest X-Ray Images Using Deep Transfer Learning},
author = {Shervin Minaee and Rahele Kafieh and Milan Sonka and Shakib Yazdani and Ghazaleh Jamalipour Soufi},
journal= {arXiv preprint arXiv:2004.09363},
year = {2021}
}
备注
Accepted by Medical Image Analysis