MAVIDH评分：基于胸部X光病理特征的COVID-19严重程度评分方法
图像与视频处理
2021-02-03 v3 计算机视觉与模式识别
摘要
鉴于患者误分类的风险，计算机视觉在COVID-19诊断中的应用复杂且具有挑战性。可以说，医学影像用于COVID-19的主要价值在于患者预后评估。放射学图像可指导医生评估疾病严重程度，而同一患者不同阶段的系列图像有助于衡量疾病进展。因此，本文提出了一种基于肺部病理可解释特征、从胸部X光片评分疾病严重程度的简单方法。作为主要贡献，该方法与疾病进展不同阶段的患者严重程度具有良好的相关性，且与其他现有更复杂的方法相比具有竞争力。本文还提出了一种原创的数据选择方法，使简单模型能够学习严重程度相关特征。我们假设此处所呈现的具有竞争力的性能，源于该方法基于特征而非像文献中其他方法那样依赖于肺部受累或 opacity。第二项贡献来自结果的验证，其概念化为对疾病不同阶段患者组的评分。除在独立数据集上进行此类验证外，结果还与文献中其他提出的评分方法进行了比较。结果表明，评分系统（MAVIDH）与患者结局之间存在显著相关性，这可能有助于医生对COVID-19患者的疾病进展进行评级和随访。
引用
@article{arxiv.2011.14983,
title = {MAVIDH Score: A COVID-19 Severity Scoring using Chest X-Ray Pathology Features},
author = {Douglas P. S. Gomes and Michael J. Horry and Anwaar Ulhaq and Manoranjan Paul and Subrata Chakraborty and Manash Saha and Tanmoy Debnath and D. M. Motiur Rahaman},
journal= {arXiv preprint arXiv:2011.14983},
year = {2021}
}