卷积神经网络在胸部X光COVID-19分类上的评估
图像与视频处理
2021-09-07 v1 计算机视觉与模式识别
摘要
早期识别COVID-19患者对于提供适当治疗和减轻卫生系统负担至关重要。COVID-19检测的黄金标准是使用RT-PCR检测。然而，由于检测需求量大，在巴西某些地区这些检测可能需要数天甚至数周。因此，检测COVID-19的一种替代方案是分析数字胸部X光（XR）。即使无症状患者，XR中也可检测到COVID-19引起的变化。在此背景下，基于深度学习的模型极有潜力用作诊断支持系统或筛查工具。本文中，我们提出评估卷积神经网络以识别XR中由COVID-19引起的肺炎。所提方法包括对XR的预处理步骤、数据增强，以及使用以ImageNet数据集预训练的DenseNet121、InceptionResNetV2、InceptionV3、MobileNetV2、ResNet50和VGG16卷积架构进行分类。所得结果表明，采用本文提出的方法，VGG16架构在XR分类的评估指标上获得了更优性能。我们方法所得结果显示，VGG16架构在XR分类中呈现更优性能，准确率为85.11%，灵敏度为85.25%，特异度为85.16%，F1分数为85.03%，AUC为0.9758。
引用
@article{arxiv.2109.02415,
title = {Evaluation of Convolutional Neural Networks for COVID-19 Classification on Chest X-Rays},
author = {Felipe André Zeiser and Cristiano André da Costa and Gabriel de Oliveira Ramos and Henrique Bohn and Ismael Santos and Rodrigo da Rosa Righi},
journal= {arXiv preprint arXiv:2109.02415},
year = {2021}
}