用于肺部胸片不平衡多类计算机视觉分类的行内图像变换
图像与视频处理
2022-01-03 v1 计算机视觉与模式识别
机器学习
摘要
人工智能（AI）正在颠覆医疗领域，现代技术的进步使得普通家用计算机能够学习区分健康与疾病的解剖及病理特征，且准确率达高度专业训练的医师水平。计算机视觉AI应用利用医学影像（如肺部胸片（LCXRs））在医师或放射科医师判读之外提供第二意见以辅助诊断。考虑到当前冠状病毒病（COVID-19）大流行的出现，LCXRs可提供快速洞察以间接助力感染防控，然而为新型疾病生成可靠标注的图像数据集并非易事，在应对全球大流行时亦非最高优先级。卷积神经网络（CNNs）等深度学习技术能够为其他肺部病变选取区分健康与疾病状态的特征；本研究旨在利用该文献基础，应用图像变换以平衡COVID-19 LCXR数据的缺失。此外，本研究采用简单CNN架构实现了94%准确率的高性能多类LCXR分类。
引用
@article{arxiv.2104.02238,
title = {In-Line Image Transformations for Imbalanced, Multiclass Computer Vision Classification of Lung Chest X-Rays},
author = {Alexandrea K. Ramnarine},
journal= {arXiv preprint arXiv:2104.02238},
year = {2022}
}
备注
8 article pages, 4 article figures, 1 article table. 14 supplemental pages with figures