FLANNEL：基于焦点损失的神经网络集成用于COVID-19检测
图像与视频处理
2020-11-02 v1 计算机视觉与模式识别
机器学习
摘要
为验证使用深度神经网络区分COVID-19与其他肺炎及健康患者的胸部X光图像的可能性。我们从两个公开来源构建X光成像数据，包含来自2874名患者的5508张胸部X光图像，分为四类：正常、细菌性肺炎、非COVID-19病毒性肺炎和COVID-19。为识别COVID-19，我们提出基于焦点损失的神经集成网络（FLANNEL），一种灵活的模块，可集成多个卷积神经网络（CNN）模型并与焦点损失融合，以在类不平衡数据上准确检测COVID-19。FLANNEL在所有指标上的COVID-19识别任务中均一致优于基线模型。与最佳基线相比，FLANNEL在COVID-19识别任务上展现出更高的宏F1分数，相对提升6%，其中精确率0.7833(0.07)、召回率0.8609(0.03)、F1分数0.8168(0.03)。
引用
@article{arxiv.2010.16039,
title = {FLANNEL: Focal Loss Based Neural Network Ensemble for COVID-19 Detection},
author = {Zhi Qiao and Austin Bae and Lucas M. Glass and Cao Xiao and Jimeng Sun},
journal= {arXiv preprint arXiv:2010.16039},
year = {2020}
}