评估当代卷积神经网络架构用于从胸部X光片检测COVID-19
图像与视频处理
2020-07-03 v1 计算机视觉与模式识别
机器学习
摘要
解释胸部X光片（即胸片）是医疗专业人员用于检测和识别许多可能困扰患者的疾病的必要且关键的诊断工具。尽管图像本身包含大量有价值的信息，但其有用性可能受到解读质量的限制，尤其是在阅片放射科医生疲劳或缺乏经验丰富的放射科医生时。利用深度学习模型分析胸部X光片的研究取得了令人瞩目的成果，在某些情况下，模型的表现甚至超过了执业放射科医生。在COVID-19大流行期间，研究人员探索并提出了使用上述深度模型从X光片中检测COVID-19感染，作为可能有助于缓解医疗资源压力的一种方法。在本研究中，我们在不同条件下训练和评估了三种为胸部X光片分析提出的模型架构，发现了削弱当代研究声称的模型性能的问题，并提出了训练模型以获得更可靠结果的方法。代码、脚本、预训练模型和可视化结果可在 https://github.com/nalbert/COVID-detection-from-radiographs 获取。
引用
@article{arxiv.2007.01108,
title = {Evaluation of Contemporary Convolutional Neural Network Architectures for Detecting COVID-19 from Chest Radiographs},
author = {Nikita Albert},
journal= {arXiv preprint arXiv:2007.01108},
year = {2020}
}