利用深度卷积神经网络检测肺球孢子菌病（山谷热）
图像与视频处理
2021-02-02 v1 计算机视觉与模式识别
机器学习
摘要
球孢子菌病是美国西南部犬类中最常见的系统性真菌病。随着气候变暖，受影响区域与病例数预计在未来几年增加，也提高了向人类传播的几率。因此，开发自动化检测该疾病的方法十分重要，这将帮助医生与兽医更轻松地识别与诊断阳性病例。我们应用机器学习模型提供准确且可解释的球孢子菌病预测。我们整理了一组放射影像并使用其训练与测试最先进的卷积神经网络以检测球孢子菌病。这些方法训练相对廉价且推理时极快。我们展示了利用 10 折交叉验证以高于 0.99 的曲线下面积（AUC）成功应用该方法检测疾病。我们还使用分类模型识别感兴趣区域并在放射影像中定位疾病，如视觉热图所示。该概念验证研究确立了在放射影像中非常准确且快速的自动化山谷热检测的可行性。
引用
@article{arxiv.2102.00280,
title = {Detecting Pulmonary Coccidioidomycosis (Valley fever) with Deep Convolutional Neural Networks},
author = {Jordan Ott and David Bruyette and Cody Arbuckle and Dylan Balsz and Silke Hecht and Lisa Shubitz and Pierre Baldi},
journal= {arXiv preprint arXiv:2102.00280},
year = {2021}
}