利用多个 CNN 进行医疗工作流分诊
图像与视频处理
2021-09-28 v1 计算机视觉与模式识别
机器学习
摘要
由于 Covid-19 的全球蔓延导致住院率居高不下，亟需改进传统的分诊工作流。为此，只要存在某种疾病的代表性图像，卷积神经网络（CNN）即可有效区分关键与非关键图像，从而能够迅速处理关键病例。本文提出了一种由多个 VGG16 CNN 组成的聚合神经网络系统；该系统在重新标记为关键或非关键的加权皮肤病图像上进行训练，随后为输入图像附加一个介于 0 到 10 之间的关键指数。与二元关键/非关键标签相比，关键指数提供了一种更全面的评级系统。通过训练网络处理输入图像批次的结果令人鼓舞。结果表明，该批次图像被所提架构大致准确地从最关键到最不关键进行了重新排序。
引用
@article{arxiv.2109.12783,
title = {Leveraging Multiple CNNs for Triaging Medical Workflow},
author = {Lakshmi A. Ghantasala},
journal= {arXiv preprint arXiv:2109.12783},
year = {2021}
}
备注
8 pages, 4 figures. Original manuscript and work done completed in 2019