基于视觉变换器的胸部X光新冠检测研究
图像与视频处理
2023-07-19 v1 计算机视觉与模式识别
摘要
COVID-19大流行引发了全球健康危机，凸显了快速准确检测病毒的需求。本文研究了利用视觉变换器(Vision Transformers)进行COVID-19检测的迁移学习，该模型以在图像识别任务中的优异表现著称。我们利用视觉变换器捕捉全局上下文并从胸部X光图像中学习复杂模式的能力。本工作中，我们探索了近期最先进的变换器模型，使用CXR图像检测Covid-19，如视觉变换器(ViT)、Swin-transformer、最大视觉变换器(MViT)和金字塔视觉变换器(PVT)。通过利用IMAGENET权重的迁移学习，模型取得了98.75%至99.5%的令人印象深刻的准确率范围。我们的实验表明，视觉变换器在COVID-19检测中达到了最先进性能，优于传统方法甚至卷积神经网络(CNNs)。结果凸显了视觉变换器作为COVID-19检测强大工具的潜力，对提升临床环境中筛查与诊断的效率和准确性具有意义。
引用
@article{arxiv.2307.09402,
title = {Study of Vision Transformers for Covid-19 Detection from Chest X-rays},
author = {Sandeep Angara and Sharath Thirunagaru},
journal= {arXiv preprint arXiv:2307.09402},
year = {2023}
}