基于多尺度注意力引导网络利用胸部 X 射线图像诊断 COVID-19
图像与视频处理
2021-01-11 v2 计算机视觉与模式识别
机器学习
摘要
2019 冠状病毒病（COVID-19）是千禧年之后最具破坏性的大流行病之一，迫使全球应对一场健康危机。利用胸部 X 射线（CXR）图像自动分类肺部感染可在应对 COVID-19 时增强诊断能力。然而，由于病例间存在共享的空间特征、高特征变异与对比度差异，利用 CXR 图像从肺炎病例中分类 COVID-19 是一项困难任务。此外，对于新发疾病而言，大规模数据收集不切实际，这限制了数据饥渴的深度学习模型的性能。为应对这些挑战，我们提出具有软距离正则化的多尺度注意力引导深度网络（MAG-SD），以自动从肺炎 CXR 图像中分类 COVID-19。在 MAG-SD 中，MA-Net 用于从多尺度特征图产生预测向量与注意力。为提升训练模型的鲁棒性并缓解训练数据短缺，我们提出了注意力引导增强与软距离正则化，旨在生成有意义的增强并降低噪声。我们的多尺度注意力模型在我们的肺炎 CXR 图像数据集上取得了更好的分类性能。我们进行了大量实验以验证 MAG-SD，证明其相对于前沿模型在肺炎分类中的独特优势。代码见 https://github.com/JasonLeeGHub/MAG-SD。
引用
@article{arxiv.2012.02278,
title = {Multiscale Attention Guided Network for COVID-19 Diagnosis Using Chest X-ray Images},
author = {Jingxiong Li and Yaqi Wang and Shuai Wang and Jun Wang and Jun Liu and Qun Jin and Lingling Sun},
journal= {arXiv preprint arXiv:2012.02278},
year = {2021}
}