携手抗疫：在断层扫描图像上学习多模型用于 COVID-19 诊断
图像与视频处理
2020-12-03 v1
摘要
2020 年人类面临的巨大挑战是与 COVID-19 的斗争。全世界正做出巨大努力以寻找有效疫苗来保护尚未感染的人群。替代方案仍是早期诊断，通过实时聚合酶链反应（RT-PCR）检测或胸部计算机断层扫描（CT）图像进行。深度学习算法，特别是卷积神经网络，代表了一种图像分析方法。它们优化了分类设计任务，这对于包括医学在内的不同类型图像的自动化方法至关重要。在本文中，我们采用预训练的深层卷积神经网络架构以在 CT 图像上诊断 COVID-19 疾病。我们的想法受到全人类正在取得的成就的启发，即实质上多重贡献的集合优于单一贡献以对抗大流行。首先，我们调整并随后重新训练了一些在其他应用领域采用的神经架构以适用于我们的假设。其次，我们在集成分类背景下结合由神经架构从图像中提取的知识。实验阶段在 CT 图像数据集上执行，所得结果显示了所提方法相对于最先进竞争对手的有效性。
引用
@article{arxiv.2012.01251,
title = {Fighting together against the pandemic: learning multiple models on tomography images for COVID-19 diagnosis},
author = {Mario Manzo and Simone Pellino},
journal= {arXiv preprint arXiv:2012.01251},
year = {2020}
}
备注
arXiv admin note: text overlap with arXiv:2009.08639