基于 BERT 特征的两阶段 COVID-19 分类
图像与视频处理
2022-07-01 v1 计算机视觉与模式识别
摘要
我们提出一种利用双重 BERT 特征提取从肺部 CT 切片图像自动诊断 COVID-19 的框架。在第一重 BERT 特征提取中,首先使用 3D-CNN 提取 CNN 内部特征图。不同于使用全局平均池化,我们采用后期 BERT 时间池化来聚合这些特征图中的时间信息,其后接一个分类层。该 3D-CNN-BERT 分类网络首先在每例原始 CT 扫描体采样的固定数量切片图像上训练。在第二阶段,对每例 CT 扫描体的所有切片图像提取 3D-CNN-BERT 嵌入特征,并将这些特征平均化为固定数量的段。随后使用另一个 BERT 网络将这些多重特征聚为单一特征,其后接另一个分类层。两阶段的分类结果被结合以生成最终输出。在验证数据集上,我们取得了 0.9164 的宏 F1 分数。
引用
@article{arxiv.2206.14861,
title = {Two-Stage COVID19 Classification Using BERT Features},
author = {Weijun Tan and Qi Yao and Jingfeng Liu},
journal= {arXiv preprint arXiv:2206.14861},
year = {2022}
}
备注
arXiv admin note: text overlap with arXiv:2106.14403