利用深度学习方法从 X 射线图像及肺病相关图像数据中提取可能具代表性的 COVID-19 生物标志物
图像与视频处理
2020-06-09 v2
摘要
本研究考虑了从 X 射线图像自动分类肺部疾病（包括新近出现的 COVID-19）的问题。随着 COVID-19 的传播加剧，用于准确检测的新的、自动的、可靠的方法对于减少医学专家暴露于疫情至关重要。X 射线成像虽然局限于特定可视化，但可能有助于诊断。深度学习已被证明是从医学图像中提取海量高维特征的卓越方法。具体而言，本文采用最先进的卷积神经网络 MobileNet，并从头训练以探究所提取特征对分类任务的重要性。利用对应于 6 种疾病的 3905 张 X 射线图像的大规模数据集训练 MobileNet v2，其已在相关任务中取得显著结果。结果表明，从头训练 CNN 可能揭示与 COVID-19 疾病相关但不限于此的重要生物标志物，而七类的总体分类准确率达到 87.66%。此外，该方法在 COVID-19 检测中达到 99.18% 准确率、97.36% 灵敏度和 99.42% 特异性。
引用
@article{arxiv.2004.00338,
title = {Extracting possibly representative COVID-19 Biomarkers from X-Ray images with Deep Learning approach and image data related to Pulmonary Diseases},
author = {Ioannis D. Apostolopoulos and Sokratis Aznaouridis and Mpesiana Tzani},
journal= {arXiv preprint arXiv:2004.00338},
year = {2020}
}
备注
14 pages, 1 figure, Submitted Manuscript