面向 COVID-19 的床旁图像分析
图像与视频处理
2020-11-11 v2 计算机视觉与模式识别
摘要
COVID-19 的早期检测是遏制大流行的关键。基于影像的疾病检测与评估快速且廉价，因此在 COVID-19 防控中发挥重要作用。COVID-19 在胸部 CT 中更易检测，然而其昂贵、不可便携且难以消毒，使其不适合作为床旁（POC）模态。另一方面，胸部 X 光（CXR）和肺部超声（LUS）被广泛使用，但这些模态中的 COVID-19 征象并非总是非常清晰。在此，我们训练深度神经网络，以显著增强使用 CXR 和 LUS 检测、分级和监测 COVID-19 患者的能力。我们与以色列多家医院合作收集了大量 CXR 数据集，并用该数据集训练神经网络，对 COVID-19 获得超过 90% 的检测率。此外，我们与 ULTRa（意大利特伦托超声实验室）及意大利医院合作，获取了带有疾病严重程度标注的 POC 超声数据，并训练深度网络用于自动严重程度分级。
引用
@article{arxiv.2011.01789,
title = {Point of Care Image Analysis for COVID-19},
author = {Daniel Yaron and Daphna Keidar and Elisha Goldstein and Yair Shachar and Ayelet Blass and Oz Frank and Nir Schipper and Nogah Shabshin and Ahuva Grubstein and Dror Suhami and Naama R. Bogot and Eyal Sela and Amiel A. Dror and Mordehay Vaturi and Federico Mento and Elena Torri and Riccardo Inchingolo and Andrea Smargiassi and Gino Soldati and Tiziano Perrone and Libertario Demi and Meirav Galun and Shai Bagon and Yishai M. Elyada and Yonina C. Eldar},
journal= {arXiv preprint arXiv:2011.01789},
year = {2020}
}
备注
Not approved for arXiv