基于特征肺的概率组合分类器用于胸部CT图像中COVID-19诊断
图像与视频处理
2022-09-27 v2 计算机视觉与模式识别
机器学习
摘要
COVID-19（2019冠状病毒病）大流行的爆发改变了世界。根据世界卫生组织（WHO）的数据，已有超过1亿例确诊 COVID-19 病例，包括超过240万死亡病例。疾病的早期检测极为重要，胸部 X 光（CXR）和胸部计算机断层扫描（CCT）等医学影像已被证明是一种优秀的解决方案。然而，这一过程需要临床医生以手动且耗时的任务完成，在试图加速诊断时并不理想。在本工作中，我们提出一种基于概率支持向量机（SVM）的集成分类器，以识别肺炎模式并提供关于分类可靠性的信息。具体而言，每个 CCT 扫描被划分为立方块，并通过核 PCA 提取其中每个块包含的特征。在集成中使用基分类器使我们的系统能够识别肺炎模式，而不受其大小或位置影响。每个单独块的决定然后根据各单独分类的可靠性组合为全局决定：不确定性越低，贡献越大。性能在真实场景中评估，获得 97.86% 的准确率。所获得的优异性能以及系统的简洁性（在 CCT 图像中使用深度学习将导致巨大的计算成本）证明了我们的方案在真实世界环境中的适用性。
引用
@article{arxiv.2103.02961,
title = {Probabilistic combination of eigenlungs-based classifiers for COVID-19 diagnosis in chest CT images},
author = {Juan E. Arco and Andrés Ortiz and Javier Ramírez and Francisco J. Martínez-Murcia and Yu-Dong Zhang and Jordi Broncano and M. Álvaro Berbís and Javier Royuela-del-Val and Antonio Luna and Juan M. Górriz},
journal= {arXiv preprint arXiv:2103.02961},
year = {2022}
}
备注
15 pages, 9 figures