利用预处理算法改进 CNN 通过胸部 X 射线图像预测 COVID-19 可能性的性能
图像与视频处理
2020-09-29 v1 机器学习
摘要
随着冠状病毒病（COVID-19）在全球的快速传播，由于成本低、辐射剂量低且可及性广，胸部 X 射线摄影也已被用于检测 COVID-19 感染性肺炎并评估其严重程度或监测其预后。然而，如何更准确高效地检测 COVID-19 感染性肺炎并将其与其他社区获得性肺炎区分开来仍然是一个挑战。为应对这一挑战，我们在本研究中开发并测试了一种新的计算机辅助诊断（CAD）方案。它包括若干图像预处理算法以去除膈肌、归一化图像对比度噪声比，并生成三幅输入图像，然后连接到一个基于迁移学习的卷积神经网络（基于 VGG16 的 CNN 模型），将胸部 X 射线图像分类为 COVID-19 感染性肺炎、其他社区获得性肺炎和正常（非肺炎）病例三类。为此，使用了一个公开可用的包含 8,474 幅胸部 X 射线图像的数据集，其中包括 415 例确诊 COVID-19 感染性肺炎、5,179 例社区获得性肺炎和 2,880 例非肺炎病例。该数据集被划分为两个子集，各含 90% 和 10% 的图像，用于训练和测试基于 CNN 的 CAD 方案。测试结果在三类分类中达到 94.0% 的总体准确率，在检测 COVID-19 感染病例中达到 98.6% 的准确率。因此，本研究证明了开发胸部 X 射线图像 CAD 方案的可行性，并为放射科医生提供检测和诊断 COVID-19 感染性肺炎的有用决策支持工具。
引用
@article{arxiv.2006.12229,
title = {Improving performance of CNN to predict likelihood of COVID-19 using chest X-ray images with preprocessing algorithms},
author = {Morteza Heidari and Seyedehnafiseh Mirniaharikandehei and Abolfazl Zargari Khuzani and Gopichandh Danala and Yuchen Qiu and Bin Zheng},
journal= {arXiv preprint arXiv:2006.12229},
year = {2020}
}
备注
11 pages, 5 figures, 2 tables