基于变分数据填补的胸片肺部分割
图像与视频处理
2020-07-08 v2 计算机视觉与模式识别
机器学习
机器学习
摘要
肺部混浊是由许多呼吸道疾病（包括 2019 新型冠状病毒病（COVID-19））引起的肺部炎症。带有此类混浊的胸部 X 光片（CXR）使肺部区域难以辨识，导致难以对其开展自动化图像分析。在这项工作中，我们专注于从此类异常 CXR 中分割肺部，作为旨在从 CXR 对 COVID-19 进行自动化风险评分流程的一部分。我们将高不透明度区域视为缺失数据，并提出一种改进的基于 CNN 的图像分割网络，该网络利用深度生成模型进行数据填补。我们在正常 CXR 上通过广泛的数据增强训练该模型，并展示了该模型对极端异常病例的泛化能力。
引用
@article{arxiv.2005.10052,
title = {Lung Segmentation from Chest X-rays using Variational Data Imputation},
author = {Raghavendra Selvan and Erik B. Dam and Nicki S. Detlefsen and Sofus Rischel and Kaining Sheng and Mads Nielsen and Akshay Pai},
journal= {arXiv preprint arXiv:2005.10052},
year = {2020}
}
备注
Accepted to be presented at the first Workshop on the Art of Learning with Missing Values (Artemiss) hosted by the 37th International Conference on Machine Learning (ICML). Source code, training data and the trained models are available here: https://github.com/raghavian/lungVAE/