基于深度学习的胸部 X 射线图像 COVID-19 筛查
图像与视频处理
2020-08-25 v4 计算机视觉与模式识别
机器学习
摘要
随着对数百万疑似"新型冠状病毒"或 COVID-19 病例筛查需求的不断增长,且常用的 PCR 检测出现较高的假阴性,探索利用放射学图像(如胸部 X 射线)进行 COVID-19 替代简易筛查机制的必要性日益凸显。在此情形下,机器学习(ML)和深度学习(DL)提供了快速、自动化且有效的策略,以检测异常并提取可能与 COVID-19 病毒特定特征相关的改变肺实质的关键特征。然而,现有的 COVID-19 数据集不足以训练深度神经网络。因此,我们提出了一种称为域扩展迁移学习(DETL)的新概念。我们在相关的大型胸部 X 射线数据集上采用带有预训练深度卷积神经网络的 DETL,该数据集被调优以分类四类,即 、、 和 。我们进行了 5 折交叉验证,以评估使用胸部 X 射线诊断 COVID-19 的可行性。初步结果展现出前景,并有可能在更大且更多样化的数据集上复现。总体准确率测得为 。为了了解 COVID-19 检测的透明性,我们采用了梯度类激活图(Grad-CAM)的概念来检测模型在分类过程中更关注的区域。经专家验证,这与临床发现高度相关。
引用
@article{arxiv.2004.10507,
title = {Deep Learning for Screening COVID-19 using Chest X-Ray Images},
author = {Sanhita Basu and Sushmita Mitra and Nilanjan Saha},
journal= {arXiv preprint arXiv:2004.10507},
year = {2020}
}