使用深度学习从胸部 X 光识别 COVID-19 图像：对比 COGNEX VisionPro Deep Learning 1.0 软件与开源卷积神经网络
图像与视频处理
2020-10-15 v4
摘要
COVID-19 大流行对人类造成了严重且灾难性的影响，并被视为本世纪最关键的卫生灾难。检测 COVID-19 的最佳方法之一来自放射学图像，即 X 光和计算机断层扫描或 CT 图像。许多公司和教育机构在此次危机中携手创建了各种深度学习模型，用于从胸部放射图像有效诊断 COVID-19。例如，滑铁卢大学与 Darwin AI 合作设计了其深度学习模型 COVID-Net，并创建了名为 COVIDx 的数据集，包含 13,975 张图像。在本研究中，使用 COGNEX 的深度学习软件 VisionPro Deep Learning 对来自 COVIDx 数据集的这些胸部 X 光进行分类。结果与该 COVID-Net 以及开源社区的各种其他最先进深度学习模型的结果进行比较。深度学习工具常被称为黑箱，因为人类无法解释模型如何将图像分类到特定类别。该问题通过以两种设置测试 VisionPro Deep Learning 来解决：首先选择整个图像，即选择整个图像作为感兴趣区域（ROI）；其次在第一步中分割肺部，然后仅在分割出的肺部上进行分类步骤，而不是使用整个图像。VisionPro Deep Learning 的结果——以整个图像作为 ROI 时总体 F 值达到 94.0%，在分割肺部上达到 95.3% 的 F 值，这与 COVID-Net 及其他最先进的开源深度学习模型相当或更好。
引用
@article{arxiv.2008.00597,
title = {Identification of images of COVID-19 from Chest X-rays 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:2008.00597},
year = {2020}
}
备注
18 pages, 15 figures, 4 tables