基于深度学习的COVID-19医学影像诊断：综述
图像与视频处理
2021-07-21 v1 计算机视觉与模式识别
机器学习
摘要
新型冠状病毒病（COVID-19）的爆发已夺去数百万生命并影响人类生活各方面。本文聚焦深度学习（DL）模型在医学影像与药物发现中用于管理COVID-19疾病的应用。文中我们详述各类基于医学影像的研究，如X射线与计算机断层扫描（CT）图像，以及用于分类COVID-19感染与肺炎的DL方法。DL技术在医学图像上的应用进一步按图像定位、分割、配准与分类进行描述，从而实现COVID-19检测。近期论文综述表明，将InstaCovNet-19深度学习法应用于含361名COVID-19患者、362名肺炎患者与365名正常人的X射线数据集时，获得最高99.80%的分类准确率。此外可见，将EDL_COVID深度学习方法应用于含7500样本（COVID-19患者、肺肿瘤患者与正常人数量相等）的CT图像数据集时，可实现99.054%的最佳分类准确率。而且，我们阐释了DL技术在对抗冠状病毒的药物或疫苗发现中的潜力。最后，我们提出与COVID-19的DL应用相关的若干难题、关切与未来研究方向。
引用
@article{arxiv.2107.09602,
title = {Medical Imaging with Deep Learning for COVID- 19 Diagnosis: A Comprehensive Review},
author = {Subrato Bharati and Prajoy Podder and M. Rubaiyat Hossain Mondal and V. B. Surya Prasath},
journal= {arXiv preprint arXiv:2107.09602},
year = {2021}
}
备注
22 pages, 11 Figures