基于CT SARS-CoV-2分割模型评估Covid三维定位的迁移能力
图像与视频处理
2022-05-23 v4 计算机视觉与模式识别
机器学习
摘要
近期研究表明，在CT扫描上检测放射学模式可对Covid-19定位产生高灵敏度和高特异性。在本文中，我们研究了深度学习模型迁移能力在CT图像中肺炎感染区域语义分割方面的适用性。迁移学习可在缺乏大量训练数据的情况下实现检测模型的快速初始化/复用。我们的工作探索了在特定CT数据集上使用的预训练U-Net架构，用于在不同数据集的图像上识别Covid-19副作用的效能。实验结果表明，在识别Covid-19感染区域的分割精度上有所提升。
引用
@article{arxiv.2205.02152,
title = {Evaluating Transferability for Covid 3D Localization Using CT SARS-CoV-2 segmentation models},
author = {Constantine Maganaris and Eftychios Protopapadakis and Nikolaos Bakalos and Nikolaos Doulamis and Dimitris Kalogeras and Aikaterini Angeli},
journal= {arXiv preprint arXiv:2205.02152},
year = {2022}
}