用于COVID-19诊断的多尺度对齐与空间ROI模块
图像与视频处理
2022-07-05 v1 计算机视觉与模式识别
机器学习
摘要
2019冠状病毒病（COVID-19）自首次报道以来已在全球蔓延，成为人类面临的卫生危机。计算机断层扫描（CT）和胸部X光成像（CXR）等放射影像技术是诊断COVID-19的有效工具。然而，在CT和CXR图像中，感染区域仅占图像很小一部分。一些融合大尺度感受野的常用深度学习方法可能导致图像细节丢失，从而造成COVID-19图像中感兴趣区域（ROI）的遗漏，因此不适合进一步处理。为此，我们提出深度空间金字塔池化（D-SPP）模块以整合不同分辨率下的上下文信息，旨在有效提取COVID-19图像不同尺度下的信息。此外，我们提出COVID-19感染检测（CID）模块以将注意力引向病灶区域并去除无关信息的干扰。在四个CT和CXR数据集上的大量实验表明，我们的方法在CT和CXR图像中检测COVID-19病灶具有更高准确性。它可作为计算机辅助诊断工具，帮助医生有效诊断和筛查COVID-19。
引用
@article{arxiv.2207.01345,
title = {Multi-scale alignment and Spatial ROI Module for COVID-19 Diagnosis},
author = {Hongyan Xu and Dadong Wang and Arcot Sowmya},
journal= {arXiv preprint arXiv:2207.01345},
year = {2022}
}
备注
9 pages, 7 figures, this paper has been accepted by WCCI 2022