探索图像增强技术对使用胸部X光图像的COVID-19检测的影响
图像与视频处理
2020-12-07 v1 计算机视觉与模式识别
机器学习
摘要
在计算机辅助诊断可靠且快速地检测冠状病毒病（COVID-19）方面，已成为疫情期间防止病毒传播、缓解医疗基础设施负担的必要手段。胸部X光（CXR）成像相较于其他成像技术具有多项优势，因其廉价、易获取、快速且便携。本文探索了各种流行图像增强技术的效果，并说明了每种技术对检测性能的影响。我们编制了称为COVQU-20的最大X光数据集，包含18,479张正常、非COVID肺部不透明及COVID-19的CXR图像。据我们所知，这是最大的公开COVID阳性数据库。磨玻璃影是COVID-19肺炎患者报告的常见症状，因此混合使用3616张COVID-19、6012张非COVID肺部不透明和8851张正常胸部X光图像创建该数据集。使用了五种不同图像增强技术：直方图均衡化、对比度受限自适应直方图均衡化、图像补、伽马校正和平衡对比度增强技术，以提高COVID-19检测准确率。本研究考察了六种不同的卷积神经网络（CNN）。伽马校正技术在从标准和分割肺CXR图像检测COVID-19方面优于其他增强技术。在CXR图像上采用伽马校正检测COVID-19的准确率、精确率、灵敏度、f1分数和特异度分别为96.29%、96.28%、96.29%、96.28%和96.27%。分割肺图像的准确率、精确率、灵敏度、F1分数和特异度分别为95.11%、94.55%、94.56%、94.53%和95.59%。所提方法具有极高且可比的性能，将促进使用胸部X光图像快速且鲁棒的COVID-19检测。
引用
@article{arxiv.2012.02238,
title = {Exploring the Effect of Image Enhancement Techniques on COVID-19 Detection using Chest X-rays Images},
author = {Tawsifur Rahman and Amith Khandakar and Yazan Qiblawey and Anas Tahir and Serkan Kiranyaz and Saad Bin Abul Kashem and Mohammad Tariqul Islam and Somaya Al Maadeed and Susu M Zughaier and Muhammad Salman Khan and Muhammad E. H. Chowdhury},
journal= {arXiv preprint arXiv:2012.02238},
year = {2020}
}
备注
34 pages, 6 Tables, 11 Figures