Multi-Slice Net：一种用于 COVID-19 诊断的新型轻量框架
图像与视频处理
2021-08-29 v1 计算机视觉与模式识别
机器学习
摘要
本文提出一种利用 CT 扫描的新型轻量 COVID-19 诊断框架。我们的系统采用一种新颖的两阶段方法，在异质的患者级输入上生成鲁棒且高效的诊断。我们使用一个强大的骨干网络作为特征提取器以捕获有判别力的切片级特征。这些特征由一个轻量网络聚合以获得患者级诊断。该聚合网络经精心设计为具有少量可训练参数，同时具备充分容量以泛化到不同 CT 体间的多样变化，并适应数据采集过程中引入的噪声。在 SPGC COVID-19 Radiomics Dataset 上基准测试时，尽管仅具有 250 万可训练参数且使用 Nvidia-GeForce RTX 2080 GPU 处理单个患者 CT 体平均仅需 0.623 秒，我们仍取得显著优于基线的性能提升。
引用
@article{arxiv.2108.03786,
title = {Multi-Slice Net: A novel light weight framework for COVID-19 Diagnosis},
author = {Harshala Gammulle and Tharindu Fernando and Sridha Sridharan and Simon Denman and Clinton Fookes},
journal= {arXiv preprint arXiv:2108.03786},
year = {2021}
}
备注
IEEE International Conference on Autonomous Systems 2021