利用深度学习预测胸部X光片上的COVID-19肺炎严重程度
图像与视频处理
2020-07-01 v3 机器学习
定量方法
应用统计
摘要
目的：简化COVID-19患者管理的需求比以往任何时候都更加迫切。胸部X光片提供了一种非侵入性（可能可在床边进行）的工具来监测疾病的进展。在这项研究中，我们提出了一个针对正位胸部X光图像的COVID-19肺炎严重程度评分预测模型。这种工具可以评估COVID-19肺部感染（以及一般肺炎）的严重程度，可用于升级或降级护理以及监测治疗效果，尤其是在重症监护室（ICU）中。方法：来自一个公共COVID-19数据库的图像由三位盲法专家根据肺部受累范围和不透明度程度进行回顾性评分。使用一个在大型（非COVID-19）胸部X光数据集上预训练的神经网络模型来为COVID-19图像构建特征，这些特征对我们的任务具有预测性。结果：本研究发现，在该预训练胸部X光模型输出的一个子集上训练一个回归模型，可以预测我们的地理范围评分（范围0-8），平均绝对误差（MAE）为1.14，并预测我们的肺部不透明度评分（范围0-6），MAE为0.78。结论：这些结果表明，我们的模型评估COVID-19肺部感染严重程度的能力可用于升级或降级护理以及监测治疗疗效，尤其是在重症监护室（ICU）中。需要进行适当的临床试验来评估其效能。为了实现这一点，我们在https://github.com/mlmed/torchxrayvision/tree/master/scripts/covid-severity 和 https://github.com/ieee8023/covid-chestxray-dataset 上公开了我们的代码、标签和数据。
引用
@article{arxiv.2005.11856,
title = {Predicting COVID-19 Pneumonia Severity on Chest X-ray with Deep Learning},
author = {Joseph Paul Cohen and Lan Dao and Paul Morrison and Karsten Roth and Yoshua Bengio and Beiyi Shen and Almas Abbasi and Mahsa Hoshmand-Kochi and Marzyeh Ghassemi and Haifang Li and Tim Q Duong},
journal= {arXiv preprint arXiv:2005.11856},
year = {2020}
}