基于胸部 CT 扫描与深度学习的可解释 COVID-19 检测
图像与视频处理
2021-01-19 v1 计算机视觉与模式识别
摘要
本文探讨了在快速自动化流程中，于胸部 CT 图像上训练的深度学习模型诊断 COVID-19 感染者的效果。为此，我们采用先进的深度网络架构，并提出一种使用为各深度架构定制的输入尺寸的迁移学习策略，以实现最佳性能。我们在两个 CT 图像数据集（即 SARS-CoV-2 CT-scan 与 COVID19-CT）上进行了广泛的实验。所得结果显示我们的模型相较先前研究具有更优性能：在 SARS-CoV-2 数据集上，我们的最佳模型平均准确率、精确率、灵敏度、特异度和 F1 分数分别达到 99.4%、99.6%、99.8%、99.6% 和 99.4%；在 COVID19-CT 数据集上分别为 92.9%、91.3%、93.7%、92.2% 和 92.5%。此外，我们应用两种可视化技术为模型预测提供视觉解释。可视化结果显示 COVID-19 的 CT 图像与其他肺部疾病图像具有良好分离的簇，并准确局部化了 COVID-19 相关区域。
引用
@article{arxiv.2011.05317,
title = {Explainable COVID-19 Detection Using Chest CT Scans and Deep Learning},
author = {Hammam Alshazly and Christoph Linse and Erhardt Barth and Thomas Martinetz},
journal= {arXiv preprint arXiv:2011.05317},
year = {2021}
}