迭代剪枝深度学习集成用于胸部X光片COVID-19检测
图像与视频处理
2021-03-08 v3 计算机视觉与模式识别
机器学习
机器学习
摘要
我们展示了使用迭代剪枝的深度学习模型集成来检测胸部X光片中COVID-19的肺部表现。该疾病由新型严重急性呼吸综合征冠状病毒2（SARS-CoV-2）引起，也称为新型冠状病毒（2019-nCoV）。我们训练并评估了一个自定义卷积神经网络和一组在ImageNet上预训练的模型，在公开可用的CXR数据集上以患者级别进行学习，以学习模态特定的特征表示。将学到的知识迁移并微调，以提高在将CXR分类为正常、细菌性肺炎或COVID-19病毒异常的相关任务中的性能和泛化能力。对表现最佳的模型进行迭代剪枝以降低复杂度并提高内存效率。通过不同的集成策略组合表现最佳的剪枝模型的预测，以提高分类性能。实验评估表明，表现最佳的剪枝模型的加权平均显著提高了性能，在检测CXR中的COVID-19发现时达到了99.01%的准确率和0.9972的曲线下面积。模态特定知识迁移、迭代模型剪枝和集成学习的结合使用带来了改进的预测。我们期望该模型可以快速应用于使用胸部X光片的COVID-19筛查。
引用
@article{arxiv.2004.08379,
title = {Iteratively Pruned Deep Learning Ensembles for COVID-19 Detection in Chest X-rays},
author = {Sivaramakrishnan Rajaraman and Jen Siegelman and Philip O. Alderson and Lucas S. Folio and Les R. Folio and Sameer K. Antani},
journal= {arXiv preprint arXiv:2004.08379},
year = {2021}
}
备注
11 pages, 8 figures, IEEE Access journal published version