使用可解释人工智能的不同深度学习方法研究：利用CT扫描和胸部X光图像数据集筛查具有COVID-19症状的患者
图像与视频处理
2020-10-30 v1 计算机视觉与模式识别
机器学习
摘要
COVID-19疾病的爆发仅在美国就已导致超过10万人死亡。有必要对具有COVID-19疾病症状的患者进行初步筛查，以控制疾病的传播。然而，由于患者数量不断增加，使用现有检测试剂盒进行检测正变得费力。一些研究提出将CT扫描或胸部X光图像作为替代解决方案。因此，至关重要的是利用每一种可用资源，而不是仅依赖CT扫描或胸部X光，来同时进行大量检测。因此，本研究旨在开发一种基于深度学习的模型，该模型能够在CT扫描和胸部X光图像数据集上更准确地检测COVID-19患者。在这项工作中，八种不同的深度学习方法，如VGG16、InceptionResNetV2、ResNet50、DenseNet201、VGG19、MobilenetV2、NasNetMobile和ResNet15V2，在两个数据集上进行了测试——一个数据集包含400张CT扫描图像，另一个数据集包含400张胸部X光图像。此外，还使用了局部可解释模型无关解释(LIME)来解释模型的可解释性。使用LIME的测试结果表明，可以解释那些本应起作用的关键特征，从而构建一个可信的AI框架来区分具有COVID-19症状的患者与其他患者。
引用
@article{arxiv.2007.12525,
title = {Study of Different Deep Learning Approach with Explainable AI for Screening Patients with COVID-19 Symptoms: Using CT Scan and Chest X-ray Image Dataset},
author = {Md Manjurul Ahsan and Kishor Datta Gupta and Mohammad Maminur Islam and Sajib Sen and Md. Lutfar Rahman and Mohammad Shakhawat Hossain},
journal= {arXiv preprint arXiv:2007.12525},
year = {2020}
}
备注
This is a work in progress, it should not be relied upon without context to guide clinical practice or health-related behavior and should not be reported in news media as established information without consulting multiple experts in the field