基于纯净标注多模态训练的胸部 X 光 COVID-19 分诊人工智能方案
图像与视频处理
2020-11-11 v1 计算机视觉与模式识别
机器学习
摘要
COVID-19 大流行持续蔓延并影响全球人口的福祉。包括计算机断层扫描（CT）和 X 光在内的前线模态在分诊 COVID 患者中发挥重要作用。考虑到资源（硬件与训练有素的人员）有限及消毒考量，CT 可能不宜用于分诊疑似对象。人工智能（AI）辅助的基于 X 光的分诊与监测应用需要及时由有经验的放射科医生识别 COVID 患者并进一步勾画病灶区域边界，被视为一种有前景的方案。我们提出的方案不同于工业界与学术界的现有方案，展示了一种功能性 AI 模型，通过单张 X 光图像推理实现分诊，而该深度学习模型使用 X 光与 CT 数据共同训练。我们报告了此种多模态训练相较仅 X 光训练如何改进方案。多模态方案将 AUC（受试者工作特征曲线下面积）从 0.89 提升至 0.93，并对定位病灶的 Dice 系数（0.59 至 0.62）产生正向影响。据我们所知，这是首个利用多模态信息开发的 X 光方案。
引用
@article{arxiv.2011.05186,
title = {Pristine annotations-based multi-modal trained artificial intelligence solution to triage chest X-ray for COVID-19},
author = {Tao Tan and Bipul Das and Ravi Soni and Mate Fejes and Sohan Ranjan and Daniel Attila Szabo and Vikram Melapudi and K S Shriram and Utkarsh Agrawal and Laszlo Rusko and Zita Herczeg and Barbara Darazs and Pal Tegzes and Lehel Ferenczi and Rakesh Mullick and Gopal Avinash},
journal= {arXiv preprint arXiv:2011.05186},
year = {2020}
}