M3Lung-Sys：一种用于 CT 影像多类肺部肺炎筛查的深度学习系统
图像与视频处理
2020-10-08 v1 计算机视觉与模式识别
机器学习
摘要
为应对 COVID-19 的暴发，对疑似病例的准确诊断在及时隔离、医疗救治和阻止疫情蔓延中起着关键作用。考虑到有限的训练样本与资源（如时间与预算），我们提出一种多任务多切片深度学习系统（M3Lung-Sys）用于 CT 影像的多类肺部肺炎筛查，其仅由两条 2D CNN 网络组成，即切片级与患者级分类网络。前者旨在从丰富的 CT 切片而非有限的 CT 容积中学习特征表示；对于整体肺炎筛查，后者可通过不同切片间的特征细化与聚合恢复时序信息。除区分 COVID-19 与健康、H1N1 及 CAP 病例外，我们的 M3Lung-Sys 还能在无需任何像素级标注的情况下定位相关病灶区域。为进一步证明模型有效性，我们在一个包含共计 734 名患者（251 名健康人、245 名 COVID-19 患者、105 名 H1N1 患者和 133 名 CAP 患者）的胸部 CT 影像数据集上进行了大量实验。多种指标的定量结果表明，我们所提模型在切片级和患者级分类任务上均具优越性。更重要的是，生成的病灶定位图使我们的系统具有可解释性，对临床医生更具价值。
引用
@article{arxiv.2010.03201,
title = {M3Lung-Sys: A Deep Learning System for Multi-Class Lung Pneumonia Screening from CT Imaging},
author = {Xuelin Qian and Huazhu Fu and Weiya Shi and Tao Chen and Yanwei Fu and Fei Shan and Xiangyang Xue},
journal= {arXiv preprint arXiv:2010.03201},
year = {2020}
}
备注
IEEE Journal of Biomedical and Health Informatics (JBHI), 2020