基于便携式 X 射线设备对 COVID-19 患者肺部分割的多阶段迁移学习
图像与视频处理
2021-03-09 v2 计算机视觉与模式识别
摘要
在卫生紧急时期，主要挑战之一是由于病例的新颖性、复杂性以及实施的紧迫性，在可用样本数量有限的情况下快速开发计算机辅助诊断系统。当前 COVID-19 大流行期间即是如此。该病原体主要感染患者的呼吸系统，导致肺炎和严重的急性呼吸窘迫综合征。这会在肺部形成不同的病理结构，可通过胸部 X 射线检测到。由于卫生服务的超负荷，大流行期间推荐使用便携式 X 射线设备，以防止疾病传播。然而，这些设备带来了不同的复杂性（如采集质量），再加上临床医生的主观性，使诊断过程更加困难，并表明尽管可用样本稀少，仍需要计算机辅助诊断方法。为解决此问题，我们提出了一种方法，可将来自具有大量样本的已知领域的知识适配到一个样本数量显著减少且复杂性更高的新领域。我们利用了一个来自无关病症的脑磁共振成像的预训练分割模型，并进行了两个阶段的知识迁移，以获得一个鲁棒的系统，能够从便携式 X 射线设备中分割肺部区域，尽管样本稀少且质量较差。以此方式，我们的方法对 COVID-19 患者获得了 的满意准确率，对正常患者为 ，对具有与 COVID-19 相似特征（如肺炎）但非真正 COVID-19 的肺部疾病患者为 。
引用
@article{arxiv.2011.00133,
title = {Multi-stage transfer learning for lung segmentation using portable X-ray devices for patients with COVID-19},
author = {Plácido L Vidal and Joaquim de Moura and Jorge Novo and Marcos Ortega},
journal= {arXiv preprint arXiv:2011.00133},
year = {2021}
}