利用胸部 X 射线图像进行可靠的 COVID-19 检测
图像与视频处理
2025-01-27 v1 计算机视觉与模式识别
机器学习
摘要
2019 冠状病毒病(COVID-19)的出现催生了对自动、准确且快速算法的计算机辅助诊断需求。近期研究已将机器学习算法应用于胸部 X 射线(CXR)图像的 COVID-19 诊断。然而,这些研究中的数据稀缺阻碍了可靠评估,存在过拟合风险并限制了深度网络的性能。此外,这些网络通常仅能区分 COVID-19 肺炎与健康受试者,或偶尔区分有限类型的肺炎。因此,亟需一种在大型 CXR 数据集上评估的鲁棒且准确的 COVID-19 检测器。为满足该需求,我们在本研究中提出一种可靠的 COVID-19 检测网络:ReCovNet,其能将 COVID-19 肺炎与 14 种不同的胸部疾病及健康受试者区分开。为此,我们编制了最大的 COVID-19 CXR 数据集:QaTa-COV19,包含 124,616 张图像,其中有 4603 个 COVID-19 样本。所提出的 ReCovNet 实现了 98.57% 灵敏度与 99.77% 特异度的检测性能。
引用
@article{arxiv.2101.12254,
title = {Reliable COVID-19 Detection Using Chest X-ray Images},
author = {Aysen Degerli and Mete Ahishali and Serkan Kiranyaz and Muhammad E. H. Chowdhury and Moncef Gabbouj},
journal= {arXiv preprint arXiv:2101.12254},
year = {2025}
}