基于两阶段时间分布胶囊网络从低剂量 CT 扫描实现人级 COVID-19 诊断
图像与视频处理
2021-12-02 v2 计算机视觉与模式识别
机器学习
摘要
逆转录聚合酶链反应（RT-PCR）目前是 COVID-19 诊断的金标准。然而，它可能需要数天才能给出诊断，且假阴性率相对较高。影像学，特别是胸部计算机断层扫描（CT），可辅助该疾病的诊断与评估。不过，研究表明标准剂量 CT 扫描会给患者带来显著的辐射负担，尤其是那些需要多次扫描的患者。在本研究中，我们考虑低剂量与超低剂量（LDCT 与 ULDCT）扫描方案，其将辐射暴露降低至接近单次 X 射线水平，同时保持可用于诊断的可接受分辨率。由于大流行期间胸部放射学专业知识可能并不普及，我们利用收集的 LDCT/ULDCT 扫描数据集开发了一个基于人工智能（AI）的框架，以研究 AI 模型可提供人级性能的假设。该 AI 模型采用两阶段胶囊网络架构，可使用 LDCT/ULDCT 扫描快速分类 COVID-19、社区获得性肺炎（CAP）与正常病例。该 AI 模型达到 COVID-19 灵敏度 89.5% ± 0.11、CAP 灵敏度 95% ± 0.11、正常病例灵敏度（特异度）85.7% ± 0.16、准确率 90% ± 0.06。结合临床数据（人口统计学与症状）后，性能进一步提升至 COVID-19 灵敏度 94.3% ± 0.05、CAP 灵敏度 96.7% ± 0.07、正常病例灵敏度（特异度）91% ± 0.09、准确率 94.1% ± 0.03。所提出的 AI 模型基于 LDCT/ULDCT 扫描以降低的辐射暴露实现了人级诊断。我们相信该 AI 模型有潜力辅助放射科医生准确且及时地诊断 COVID-19 感染，并有助于在大流行期间控制传播链。
引用
@article{arxiv.2105.14656,
title = {Human-level COVID-19 Diagnosis from Low-dose CT Scans Using a Two-stage Time-distributed Capsule Network},
author = {Parnian Afshar and Moezedin Javad Rafiee and Farnoosh Naderkhani and Shahin Heidarian and Nastaran Enshaei and Anastasia Oikonomou and Faranak Babaki Fard and Reut Anconina and Keyvan Farahani and Konstantinos N. Plataniotis and Arash Mohammadi},
journal= {arXiv preprint arXiv:2105.14656},
year = {2021}
}