POTHER：基于块投票深度学习的胸部 X 光偏倚分析用于 COVID-19 检测
图像与视频处理
2022-08-09 v5 计算机视觉与模式识别
机器学习
摘要
在继续对人们生命造成灾难性影响的 COVID-19 抗击中，一个关键步骤是对临床中出现严重 COVID-19 症状的患者进行有效筛查。胸部放射摄影是一种有前景的筛查方法。许多研究报道使用深度学习在胸部 X 光中准确检测 COVID-19。许多已发表方法的一个严重局限是未能充分关注解释深度学习模型所做的决策。使用可解释人工智能方法，我们证明模型决策可能依赖于混杂因素而非医学病理。在分析了胸部 X 光图像上发现的潜在混杂因素后，我们提出了一种新方法来最小化其负面影响。我们表明，与以往抵消胸部 X 光中常影响模型分类决策的 ECG 导联等混杂因素的尝试相比，我们提出的方法更为鲁棒。除了鲁棒性之外，我们的方法取得了与最先进水平相当的结果。源代码和预训练权重公开于 (https://github.com/tomek1911/POTHER)。
引用
@article{arxiv.2201.09360,
title = {POTHER: Patch-Voted Deep Learning-Based Chest X-ray Bias Analysis for COVID-19 Detection},
author = {Tomasz Szczepański and Arkadiusz Sitek and Tomasz Trzciński and Szymon Płotka},
journal= {arXiv preprint arXiv:2201.09360},
year = {2022}
}
备注
Accepted at International Conference on Computational Science (ICCS) 2022, London