基于胸部放射影像的 COVID-19 诊断
图像与视频处理
2022-12-27 v1 计算机视觉与模式识别
机器学习
摘要
2019 冠状病毒病（COVID-19）于 2019 年 12 月初在中国武汉首次确认，现已成为大流行。当 COVID-19 患者接受放射学检查时，放射科医生可从其胸部 X 光（CXR）图像中观察到放射学异常的存在。本研究中，提出一种深度卷积神经网络（CNN）模型以辅助放射科医生诊断 COVID-19 患者。首先，本工作对改进的 VGG-16、ResNet-50 与 DenseNet-121 在将 CXR 图像分类为正常、COVID-19 与病毒性肺炎上的性能进行了比较研究。随后，评估了图像增强对分类结果的影响。本研究全程使用公开可用的 COVID-19 放射影像数据库。经比较，ResNet-50 取得最高准确率 95.88%。接着，在用旋转、平移、水平翻转、强度偏移与缩放增强数据集训练 ResNet-50 后，准确率降至 80.95%。此外，关于图像增强对分类结果影响的消融研究发现，旋转与强度偏移增强方法组合获得的准确率高于基线，为 96.14%。最终，带旋转与强度偏移增强的 ResNet-50 表现最佳，被提出作为本工作的最终分类模型。这些发现表明，所提分类模型可为 COVID-19 诊断提供有前景的结果。
引用
@article{arxiv.2212.13032,
title = {Diagnosis of COVID-19 based on Chest Radiography},
author = {Mei Gah Lim and Hoi Leong Lee},
journal= {arXiv preprint arXiv:2212.13032},
year = {2022}
}