基于深度学习从胸部计算机断层扫描（CT）图像识别COVID-19：COGNEX VisionPro深度学习1.0软件与开源卷积神经网络的比较
摘要
对于COVID-19感染患者的检测，除RT-PCR检测外，胸部放射影像也被用于辅助诊断。为从放射影像中检测COVID-19，许多机构提议使用深度学习。滑铁卢大学与DarwinAI设计了自己的深度学习模型COVIDNet-CT，用于从感染的胸部CT图像中检测COVID-19。此外，他们基于中国生物信息国家中心收集的CT图像，引入了CT图像数据集COVIDx-CT。COVIDx-CT包含1,489例患者病例的104,009张CT图像切片。在利用COGNEX VisionPro深度学习软件1.0从胸部X射线图像识别COVID-19取得显著成果后，本次我们测试该软件从CT图像识别COVID-19的性能。COGNEX深度学习软件VisionPro Deep Learning是一款应用于从工厂自动化到生命科学等多领域的深度学习软件。在本研究中，我们使用COVIDx-CT数据集中的82,818张胸部CT训练与验证图像，在三类——正常、肺炎和COVID-19——上训练分类模型，然后在21,191张测试图像上测试分类结果，并与COVIDNet-CT及开源社区多种其他SOTA深度学习模型的结果进行比较。同时，我们测试了减少训练集中图像数量对该软件结果的影响。总体而言，即便训练集图像数量大幅减少，VisionPro Deep Learning仍给出最佳结果，F值超过99%。该软件绝非检测COVID-19的独立解决方案，但可借助深度学习的全部潜力，在无任何编程语言编程前置要求的情况下，辅助放射科医生和临床医生实现更快速且可理解的 diagnosis。
引用
@article{arxiv.2010.00958,
title = {Identification of images of COVID-19 from Chest Computed Tomography (CT) images using Deep learning: Comparing COGNEX VisionPro Deep Learning 1.0 Software with Open Source Convolutional Neural Networks},
author = {Arjun Sarkar and Joerg Vandenhirtz and Jozsef Nagy and David Bacsa and Mitchell Riley},
journal= {arXiv preprint arXiv:2010.00958},
year = {2020}
}
备注
21 pages, 20 figures, 6 tables. arXiv admin note: substantial text overlap with arXiv:2008.00597