利用分层卷积网络从胸部X射线图像中分诊潜在COVID-19患者
图像与视频处理
2020-12-16 v2 计算机视觉与模式识别
机器学习
摘要
当前COVID-19大流行促使研究人员利用人工智能技术作为逆转录聚合酶链反应(RT-PCR)的潜在替代方案,原因在于检测规模有限。胸部X射线(CXR)是实现快速诊断的替代方法之一,但大规模标注数据的缺乏使得基于机器学习的COVID检测在临床上的应用十分困难。另一个问题是使用ImageNet预训练网络,其无法从医学图像中提取可靠的特征表示。本文中,我们提出使用分层卷积网络(HCN)架构以自然增强数据并获取多样化特征。HCN使用COVIDNet的第一卷积层,其后接来自知名预训练网络的卷积层以提取特征。使用COVIDNet的卷积层确保了提取与CXR模态相关的表示。我们还提出使用ECOC将多类问题编码为二分类以提升识别性能。实验结果表明,与现有研究相比,HCN架构能够取得更好的结果。所提方法可通过CXR图像准确分诊潜在COVID-19患者,从而分担检测负荷并提升检测能力。
引用
@article{arxiv.2011.00618,
title = {Triage of Potential COVID-19 Patients from Chest X-ray Images using Hierarchical Convolutional Networks},
author = {Kapal Dev and Sunder Ali Khowaja and Ankur Singh Bist and Vaibhav Saini and Surbhi Bhatia},
journal= {arXiv preprint arXiv:2011.00618},
year = {2020}
}
备注
23 pages, 9 figures, 4 tables