基于 SARS-CoV-2 分割模型的 Covid 3D 定位在 4D CT 图像中的可迁移性局限
图像与视频处理
2022-09-14 v2 计算机视觉与模式识别
摘要
本文中，我们研究了使用深度学习模型对 CT 图像中肺炎感染区域进行语义分割时的可迁移性局限。所提方法采用 4 通道输入：基于 Hounsfield 标度的 3 个通道，外加一个表示肺部区域的（二值）通道。我们使用了 3 个不同的公开可用 CT 数据集。若肺区域掩码不可用，则由深度学习模型生成代理图像。实验结果表明，在创建 Covid 分割模型时应当谨慎使用可迁移性；在大型数据集上多次重训练模型会导致分割精度下降。
引用
@article{arxiv.2208.08343,
title = {Transferability limitations for Covid 3D Localization Using SARS-CoV-2 segmentation models in 4D CT images},
author = {Constantine Maganaris and Eftychios Protopapadakis and Nikolaos Bakalos and Nikolaos Doulamis and Dimitris Kalogeras and Aikaterini Angeli},
journal= {arXiv preprint arXiv:2208.08343},
year = {2022}
}
备注
arXiv admin note: substantial text overlap with arXiv:2205.02152