TeliNet：用于COVID-19诊断的CT扫描图像分类
图像与视频处理
2021-08-19 v2 计算机视觉与模式识别
摘要
新冠疫情暴发以来已在全球造成数亿病例与数百万死亡。对抗这一大流行的战斗在多线展开。尽管疫苗接种正在加速，仍有数十亿未接种人群。在对抗病毒的过程中，疾病诊断与患者隔离以防止传播起着巨大作用。机器学习方法已通过分析患者的胸部X光与CT扫描图像辅助COVID-19病例诊断。为推动放射学诊断这一方向的算法开发与研究中，2021年ICCV会议期间组织了一次CT扫描序列分类挑战赛。在本研究中，我们提出一种基于简单浅层卷积神经网络的方法TeliNet，用于分类该竞赛所提供的COVID-19患者CT扫描图像。我们的结果优于竞赛基准与VGGNet方法的F1宏（macro）得分。与其他方法相比，我们提出的方案也更轻量。
引用
@article{arxiv.2107.04930,
title = {TeliNet: Classifying CT scan images for COVID-19 diagnosis},
author = {Mohammad Nayeem Teli},
journal= {arXiv preprint arXiv:2107.04930},
year = {2021}
}
备注
7 pages, 4 figures, ICCVW