基于三视图卷积神经网络的胸部X光COVID-19诊断
图像与视频处理
2020-10-28 v1 计算机视觉与模式识别
摘要
2019冠状病毒病（COVID-19）正影响全球越来越多的人，给医疗系统带来显著压力。早期准确诊断COVID-19对于筛查感染患者和阻断人际传播至关重要。基于胸部X光（CXR）并利用深度学习进行COVID-19计算机辅助诊断成为实现该目标的一种有前景的方案。然而，COVID-19多样且各异的影像学特征使其具有挑战性，尤其考虑到每次CXR扫描通常仅生成单幅图像。数据稀缺是另一个问题，因为目前收集大规模医学CXR数据集可能较为困难。因此，如何从有限的可用样本中提取更具信息量和相关性的特征变得关键。为解决这些问题，与传统的从单一视图处理每幅CXR图像的方法不同，本文提出用于CXR图像COVID-19诊断的三视图卷积神经网络。具体而言，所提网络从每幅CXR图像的三个视图（左肺视图、右肺视图和整体视图）在三个流中分别提取特征，然后整合进行联合诊断。所提网络结构尊重人体肺部解剖结构，并与实际的COVID-19临床诊断高度一致。此外，视图的标注不需要专家领域知识，而许多现有方法需要。实验结果表明，所提方法取得了最先进的性能，尤其在更具挑战性的三分类任务中，并具有良好的通用性与高灵活性。
引用
@article{arxiv.2010.14091,
title = {Triple-view Convolutional Neural Networks for COVID-19 Diagnosis with Chest X-ray},
author = {Jianjia Zhang},
journal= {arXiv preprint arXiv:2010.14091},
year = {2020}
}