DeepCOVIDExplainer：基于胸部 X 光图像的可解释 COVID-19 诊断
图像与视频处理
2020-06-09 v3 计算机视觉与模式识别
机器学习
摘要
在冠状病毒病(COVID-19)大流行中，全球感染人数急剧上升。医院在抗击病毒时所面临的挑战之一是对 incoming 患者的有效筛查。一种方法是评估胸部放射摄影(CXR)图像，这通常需要放射科专家的知识。本文中，我们提出一种基于可解释深度神经网络(DNN)的从 CXR 图像自动检测 COVID-19 症状的方法，称之为 DeepCOVIDExplainer。我们使用了 15,854 名患者的 15,959 张 CXR 图像，涵盖正常、肺炎和 COVID-19 病例。CXR 图像首先被全面预处理，随后通过神经集成方法增强并分类，接着使用梯度引导类激活图(Grad-CAM++)和逐层相关性传播(LRP)突出类判别区域。此外，我们给出对预测的人类可解释说明。基于保留数据的评估结果表示，我们的方法可自信识别 COVID-19，正常、肺炎和 COVID-19 病例的阳性预测值(PPV)分别为 91.6%、92.45% 和 96.12%；精确率、召回率和 F1 分数分别为 94.6%、94.3% 和 94.6%，使其相对于近期方法具有可比或改进的结果。我们希望我们的发现将对抗击 COVID-19 有所裨益，且更一般地，朝向在临床实践中日益接受和采用 AI 辅助应用。
引用
@article{arxiv.2004.04582,
title = {DeepCOVIDExplainer: Explainable COVID-19 Diagnosis Based on Chest X-ray Images},
author = {Md. Rezaul Karim and Till Döhmen and Dietrich Rebholz-Schuhmann and Stefan Decker and Michael Cochez and Oya Beyan},
journal= {arXiv preprint arXiv:2004.04582},
year = {2020}
}