Mar, 2020

基于深度学习的 COVID-19 肺部感染 CT 影像定量分析

PDF
TL;DR本文提出了一种基于深度学习的分割系统，用于自动量化 COVID-19 肺部感染区域及其与肺体积之比，并采用人机协同策略大大降低了手动分割的时间。系统与手动分割结果间的 Dice 相似系数平均为 91.6％，肺部感染区域占比的平均估计误差为 0.3％，并探讨了该系统的可能应用。
ct imagingcovid-19 diagnosisdeep learning-based segmentation systemlung infection quantificationhuman-in-the-loop strategy
发现论文，激发创造
  • 从胸部 X 射线图像中确定 COVID-19 感染部位和严重程度

    本文旨在通过开发全新的人机协作方法对 X 光片进行地面真实性标注，建设了一种最大的基准数据集，包括 33,920 张 X 光片，其中包括 11,956 个 COVID-19 样本，通过对肺部区域分割、COVID-19 定位和感染定量进行深度学习处理，达到优秀 COVID-19 检测性能。

    Mar, 2021

  • 面向高效学习：COVID-19 CT 肺部和感染分割基准

    本研究旨在提供基于已标注的 70 个 COVID-19 病例的三个基准模型，用于肺部和感染物的分割，包括少样本学习，域泛化和知识迁移等当前新兴研究领域，研究者可以利用提供的 40 多个预训练模型快速分割肺部和感染物，平均识别精度高达 97.3％，97.7％和 67.3％，这是有限数据情况下促进 COVID-19 CT 分割深度学习方法发展的重要贡献。

    Apr, 2020

  • Inf-Net：自动从 CT 图像中分割 COVID-19 肺部感染

    COVID-19 肺部感染 CT 影像的自动识别是一项挑战性任务，本研究提出了一种新颖的深度网络 Inf-Net，结合了并行部分解码器、隐式反向注意和显式边缘注意，以及基于随机选择传播策略的半监督切割框架，通过实验验证 Inf-Net 能够取得比大部分尖端切割模型更好的性能表现。

    Apr, 2020

  • 使用胸部 CT 图像的定量特征进行新冠病毒病 2019（COVID-19）的严重程度评估

    使用机器学习方法基于胸部 CT 图像实现 COVID-19 的自动化严重程度评估（非严重或严重），并从所得到的评估模型中探索与严重程度有关的特征。

    Mar, 2020

  • 新冠病毒 (COVID-19) 流行病的快速 AI 开发周期：使用深度学习 CT 图像分析进行自动检测和患者监测的初步结果

    本研究开发出基于人工智能的自动 CT 图像分析工具，检测、量化和跟踪冠状病毒，使用多个国际数据集进行测试，证明其可区分冠状病毒患者和非患者，并评估患者疾病进展情况。该研究在检测冠状病毒、量化和跟踪疾病负担方面取得了高度准确的结果，证明了基于人工智能的 CT 图像分析的可行性。

    Mar, 2020

  • COVID-VR：基于体视学计算机断层扫描的深度学习 COVID-19 分类模型

    基于体素渲染图像的 COVID-VR 方法能够有效识别肺部病变并且在与基于切片的方法进行竞争时表现出竞争力。

    Aug, 2023

  • 基于弱监督深度学习的 CT 图像 COVID-19 感染检测和分类

    使用弱监督的深度学习算法，从 CT 图像中检测和分类 COVID-19 感染，达到准确诊断及区分 COVID-19 和非 COVID-19 病例的目的。

    Apr, 2020

  • 基于 Residual Attention U-Net 的 COVID-19 胸部 CT 图像多类别自动分割

    通过提出的一种基于深度学习的自动分割算法，在公开数据集上展示出该算法对于 COVID-19 对胸部 CT 影像分割的突出表现，为实现对 COVID-19 肺部感染的量化诊断打下了基础。

    Apr, 2020

  • COVID-19 检测中基于新型强度暗通道先验的自动病变分割

    研究了一种基于 CT 成像的辐射组学框架，用于区分 COVID-19 和其他肺部疾病，并展示了该模型在准确分类 COVID-19 图像上的能力。

    Sep, 2023

  • 基于 Harmony-Search 和 Otsu 的肺 CT 扫描图像新型冠状病毒疾病（COVID-19）检测系统

    本研究旨在通过 CT 扫描来提取和评估因 Coronavirus disease (COVID-19) 引起的肺炎感染。提出了基于图像辅助的系统来从肺部 CT 扫描的冠状视图中提取 COVID-19 感染部分，并计算感染的严重程度。该工具的主要目的是协助肺部专家检测和计划治疗过程，并减轻诊断负担。

    Apr, 2020