基于集成CNN模型的3D CT扫描新冠识别与严重程度预测
图像与视频处理
2022-07-01 v1 计算机视觉与模式识别
机器学习
摘要
自2019年底新冠疫情出现以来，Covid-19已成为人工智能(AI)界的一个活跃研究课题。最有趣的AI课题之一是对医学影像的Covid-19分析。CT扫描成像是关于该疾病信息量最大的工具。本工作是第2届COV19D竞赛的一部分，其中设置了两项挑战：基于CT扫描的Covid-19检测与Covid-19严重程度检测。对于基于CT扫描的Covid-19检测，我们提出了一种由2D卷积块与Densenet-161模型组成的集成模型。此处，每个具有Densenet-161架构的2D卷积块分别训练，在测试阶段，集成模型基于它们概率的平均值。另一方面，我们提出了一种由卷积层与Inception模型组成的集成模型用于Covid-19严重程度检测。除卷积层外，使用了三种Inception变体，即Inception-v3、Inception-v4和Inception-Resnet。我们提出的方法在第2届COV19D竞赛的验证数据上分别比基线方法在Covid-19检测和Covid-19严重程度检测上高出11%和16%。
引用
@article{arxiv.2206.15431,
title = {Ensemble CNN models for Covid-19 Recognition and Severity Perdition From 3D CT-scan},
author = {Fares Bougourzi and Cosimo Distante and Fadi Dornaika and Abdelmalik Taleb-Ahmed},
journal= {arXiv preprint arXiv:2206.15431},
year = {2022}
}