面向 COVID-19 感染存在性与严重程度分类的自动化方法
图像与视频处理
2023-05-16 v1 计算机视觉与模式识别
摘要
通过(三维)胸部计算机断层扫描进行 COVID-19 感染存在分类与严重程度预测，在近来已成为重要任务。尤其对于重症监护病房的容量规划而言，预测 COVID-19 患者未来的严重程度至关重要。本文提出的方法遵循当前最优技术，以在这些情况下辅助医疗专业人员。该方法包含一种通过 5 折交叉验证的集成学习策略，涵盖迁移学习，并分别结合预训练的 ResNet34 与 DenseNet121 的 3D 版本用于 COVID-19 分类与严重程度预测。此外，应用了领域特定的预处理以优化模型性能。同时，还纳入了如感染-肺比率、患者年龄与性别等医学信息。所提模型在预测 COVID-19 严重程度上达到 79.0% 的 AUC，在分类感染存在性上达到 83.7% 的 AUC，与其他当前流行方法相当。该方法使用 AUCMEDI 框架实现，并依赖知名网络架构以确保鲁棒性与可复现性。
引用
@article{arxiv.2305.08660,
title = {Towards Automated COVID-19 Presence and Severity Classification},
author = {Dominik Müller and Niklas Schröter and Silvan Mertes and Fabio Hellmann and Miriam Elia and Wolfgang Reif and Bernhard Bauer and Elisabeth André and Frank Kramer},
journal= {arXiv preprint arXiv:2305.08660},
year = {2023}
}