CT图像中新型冠状病毒肺炎病灶分割
图像与视频处理
2021-12-24 v3 计算机视觉与模式识别
机器学习
摘要
背景：2019新型冠状病毒疾病（COVID-19）已在全世界广泛传播，对人们的生存环境造成巨大威胁。目的：在电子计算机断层扫描(CT)成像下，COVID-19病灶的结构特征复杂且在不同病例间差异很大。为精准定位COVID-19病灶并辅助医生制定最佳诊疗方案，提出一种深度监督集成学习网络用于CT图像中COVID-19病灶分割。方法：考虑到大量COVID-19 CT图像及相应病灶标注难以获取，采用迁移学习策略弥补不足并缓解过拟合问题。基于传统单一深度学习框架难以有效提取COVID-19病灶特征、可能导致部分病灶未被检出的现实，提出深度监督集成学习网络结合局部与全局特征进行COVID-19病灶分割。结果：在公开数据集上的实验验证了所提方法的性能。与人工标注相比，所提方法获得了0.7279的高交并比(IoU)。结论：提出了一种深度监督集成学习网络用于CT图像中冠状病毒肺炎病灶分割。所提方法的有效性通过视觉检查与定量评估得到验证。实验结果表明所提方法在COVID-19病灶分割中具有优异性能。
引用
@article{arxiv.2110.12827,
title = {Novel coronavirus pneumonia lesion segmentation in CT images},
author = {Yuanyuan Peng and Zixu Zhang and Hongbin Tu and Xiong Li},
journal= {arXiv preprint arXiv:2110.12827},
year = {2021}
}