利用有限训练数据集在 CXR 上深度学习 COVID-19 特征
图像与视频处理
2020-05-06 v2 计算机视觉与模式识别
机器学习
机器学习
摘要
在 COVID-19 全球大流行下，利用人工智能分析胸部 X 光（CXR）图像以进行 COVID-19 诊断和患者分诊变得十分重要。遗憾的是，由于 COVID-19 大流行的突发性，系统性收集用于深度神经网络训练的 CXR 数据集十分困难。为解决该问题，我们在此提出一种基于块（patch）的卷积神经网络方法，其可训练参数相对较少，用于 COVID-19 诊断。所提方法受我们对 CXR 照片潜在影像生物标志物的统计分析启发。实验结果表明，我们的方法取得了最先进的性能，并提供了具有临床可解释性的显著图，有助于 COVID-19 诊断和患者分诊。
引用
@article{arxiv.2004.05758,
title = {Deep Learning COVID-19 Features on CXR using Limited Training Data Sets},
author = {Yujin Oh and Sangjoon Park and Jong Chul Ye},
journal= {arXiv preprint arXiv:2004.05758},
year = {2020}
}
备注
Accepted for IEEE Trans. on Medical Imaging Special Issue on Imaging-based Diagnosis of COVID-19