基于深度学习的胸部 X 线四区域肺部分割用于 COVID-19 诊断
图像与视频处理
2020-09-29 v1 计算机视觉与模式识别
机器学习
摘要
目的。影像在评估 COVID-19 肺炎严重程度方面起着重要作用。然而，胸部 X 线（CXR）表现的语义解读并不包含对 radiographic opacities 的定量描述。当前大多数 AI 辅助 CXR 图像分析框架未对疾病的区域差异进行量化。为解决这些问题，我们提出了一种四区域肺部分割方法，以辅助对 COVID-19 肺炎的准确量化。方法。首先应用一个分割模型分离左右肺，然后使用一个隆嵴（carina）与左肺门（left hilum）检测网络，这些是分离上下肺的临床标志点。为提高 COVID-19 图像的分割性能，采用了融合五个模型的集成策略。利用每个区域，我们依据肺部水肿质量放射学评估（RALE）评价了所提方法的临床相关性。结果。所提集成策略的 dice 系数为 0.900，显著高于常规方法（0.854–0.889）。分割出的四个区域的平均强度与 RALE 框架下肺部 opaque 的范围和密度评分呈正相关。结论。CXR 中基于深度学习的模型可准确分割并量化 COVID-19 肺炎患者肺部 opaque 的区域分布。
引用
@article{arxiv.2009.12610,
title = {Deep Learning-based Four-region Lung Segmentation in Chest Radiography for COVID-19 Diagnosis},
author = {Young-Gon Kim and Kyungsang Kim and Dufan Wu and Hui Ren and Won Young Tak and Soo Young Park and Yu Rim Lee and Min Kyu Kang and Jung Gil Park and Byung Seok Kim and Woo Jin Chung and Mannudeep K. Kalra and Quanzheng Li},
journal= {arXiv preprint arXiv:2009.12610},
year = {2020}
}