利用生成对抗网络生成 COVID-19 胸部 CT 扫描图像
图像与视频处理
2021-05-25 v1 计算机视觉与模式识别
机器学习
摘要
SARS-CoV-2（又称 COVID-19 或冠状病毒）是一种由新型冠状病毒引起的病毒性传染病，已在全球迅速传播。检测和隔离人群以减少传播非常重要，由此产生了快速高效完成此工作的需求。一些研究表明，在诊断 COVID-19 患者时，胸部 CT 优于当前标准的 RT-PCR 实验室检测。因此，计算机视觉研究人员开发了各种深度学习系统，能够在一定程度上利用胸部 CT 扫描正确预测 COVID-19。这些系统的准确性有限，因为 CNN（卷积神经网络）等深度学习神经网络需要大量训练数据才能产生良好结果。由于该疾病相对较新且更多关注集中在 CXR（胸部 X 光）图像上，可用的胸部 CT 扫描图像数据集少得多。我们提出一种方法，利用 GANs 生成 COVID-19 阳性与阴性患者的合成胸部 CT 图像。使用预构建的预测模型，我们得出结论：约 40% 的生成图像被正确预测为 COVID-19 阳性。由此生成的数据集可用于训练基于 CNN 的分类器，有助于更准确地判定患者的 COVID-19 状况。
引用
@article{arxiv.2105.11241,
title = {Generation of COVID-19 Chest CT Scan Images using Generative Adversarial Networks},
author = {Prerak Mann and Sahaj Jain and Saurabh Mittal and Aruna Bhat},
journal= {arXiv preprint arXiv:2105.11241},
year = {2021}
}