OSegNet：基于胸部X射线图像的操作型分割网络用于COVID-19检测
图像与视频处理
2025-01-27 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）已通过机器学习算法在胸部X射线（CXR）图像上实现自动诊断。然而，多数早期研究在稀缺数据集上使用深度学习模型，存在过拟合风险。此外，先前研究揭示深度网络用于分类并不可靠，因为其决策可能源自CXR上无关区域。因此，本研究提出操作型分割网络（OSegNet），通过对COVID-19肺炎进行分割来实现可靠诊断的检测。为解决训练尤其是评估中遇到的数据稀缺问题，本研究扩展了最大的COVID-19 CXR数据集：QaTa-COV19，包含121,378张CXR，其中有9,258个带有对应真实分割掩码的COVID-19样本，已公开提供给研究界。最终，OSegNet在SOTA深度模型中取得了最高99.65%的检测准确率，精确率为98.09%。
引用
@article{arxiv.2202.10185,
title = {OSegNet: Operational Segmentation Network for COVID-19 Detection using Chest X-ray Images},
author = {Aysen Degerli and Serkan Kiranyaz and Muhammad E. H. Chowdhury and Moncef Gabbouj},
journal= {arXiv preprint arXiv:2202.10185},
year = {2025}
}