利用深度学习技术在COVID-19患者计算机断层扫描肺动脉造影中识别肺栓塞
图像与视频处理
2021-05-31 v3 计算机视觉与模式识别
机器学习
摘要
本工作的主要目标是利用最先进的深度学习方法在COVID-19患者的CTPA扫描中识别肺栓塞，对其性能进行初步评估，并最终提供一个快速原型解决方案（系统）。我们采用并通过迁移学习方法评估了一些最流行的卷积神经网络架构，力求将良好的模型精度与快速训练相结合。此外，我们利用最流行的单阶段目标检测模型之一对肺栓塞感兴趣区域进行定位（通过目标检测）。两种方法的模型均在原始CTPA扫描数据集上训练，其中我们标注了673张CTPA扫描图像，共1465个边界框，突出显示肺栓塞感兴趣区域。我们通过验证精度达91%的肺栓塞分类，对一些最先进的图像分类模型进行了简要评估。此外，在50% IoU阈值下，我们的目标检测模型在肺栓塞定位上平均达到约68%的精度。对于两种方法，我们均提供了完整的训练流程以供未来研究（通过源代码的逐步过程）。在本研究中，我们提出了一些最准确且快速的深度学习模型，通过分类和定位（目标检测）方法在COVID-19患者的CTPA扫描图像中识别肺栓塞。我们为该领域的研究界提供了一个快速解决方案（系统），其结合了分类和目标检测模型以提高识别肺栓塞的精度。
引用
@article{arxiv.2105.11187,
title = {Pulmonary embolism identification in computerized tomography pulmonary angiography scans with deep learning technologies in COVID-19 patients},
author = {Chairi Kiourt and Georgios Feretzakis and Konstantinos Dalamarinis and Dimitris Kalles and Georgios Pantos and Ioannis Papadopoulos and Spyros Kouris and George Ioannakis and Evangelos Loupelis and Petros Antonopoulos and Aikaterini Sakagianni},
journal= {arXiv preprint arXiv:2105.11187},
year = {2021}
}
备注
16 pages, 6 figures, 1 table, Submitted to the European Radiology journal of Springer