Jun, 2020

COVID-19 影像数据集的收集：前瞻性预测是未来

PDF
TL;DR本文描述了首个 COVID-19 公共图像数据集合并对其可能用例进行的初步探索，该数据集包含数百张胸部 X 射线图像和相关数据，最大程度地促进了 COVID-19 的治疗。
covid-19chest x-raysimage data collectionprognostic datapatient management
发现论文，激发创造
  • COVID-19 图像数据采集

    本文介绍了最初的 COVID-19 开放式图像数据集的创建，该数据集通过从网站和出版物中收集医学图像而组成，并且目前包含 123 张前瞻性 X 射线图像。

    Mar, 2020

  • COVIDx CXR-4：用于基于胸部 X 射线图片的辅助 COVID-19 诊断的开源多机构扩展基准数据集

    COVIDx CXR-4 是一种新的开源数据集，通过增加总患者群体大小，从多个机构收集来自 45,342 位患者的 84,818 张胸部 X 射线图像，以改善 COVID-19 的计算机辅助诊断，从而提高 COVID-19 诊断的性能。

    Nov, 2023

  • 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

  • 利用有限训练数据集对 CXR 上的 COVID-19 特征进行深度学习

    提出了一种基于统计分析结果和小型 CNN 的图像诊断方法，该方法在 COVID-19 诊断方面可以达到最先进的性能和可解释性，应用于胸部 X 光照射的人群中的病例筛查。

    Apr, 2020

  • 使用胸部 X 光和 CT 扫描进行 COVID-19 检测和预测的机器学习常见陷阱及建议

    研究表明，2020 年针对新冠肺炎的机器学习模型都存在方法学缺陷和 / 或潜在偏差，无法在临床上实际使用。为此，该文提出多项建议以解决这些问题并提高模型开发的质量和文件的可靠性。

    Aug, 2020

  • COVID-CT-MD: COVID-19 计算机断层扫描数据集，可应用于机器学习和深度学习

    介绍了一个新的 COVID-19 CT 扫描数据集 COVID-CT-MD，该数据集不仅包括 COVID-19 病例，而且还包括 CAP 的健康和感染主体，并标有叶片级别，切片级别和病人级别标签，有助于开发先进的基于机器学习和深度神经网络的解决方案。

    Sep, 2020

  • CoVScreen: 使用胸部 X 光筛查 COVID-19 的问题与建议

    COVID-19 患者的早期筛查和诊断对于隔离患者以减少社区传播、提供早期治疗以降低死亡率至关重要。本研究通过建立一个大规模的 COVID-19 胸部 X 射线数据集和使用 CoVScreen 卷积神经网络架构对该数据集进行训练和测试，实验证明该方法在 COVID-19 感染筛查方面的有效性。

    May, 2024

  • 基于 Vision Transformer 技术对胸部 X 光图像进行分析以提高 COVID-19 诊断

    本研究针对 COVID-19 的自动诊断提出了一种基于预训练的 Vision Transformer 模型对胸部 X 光图像进行微调的创新框架，经过鉴定，该模型在二元分类、三元分类和四元分类性能方面均表现出超凡的精度。

    Jun, 2023

  • 利用 CNN 识别胸部 X 光成像中的 COVID-19 疾病

    研究利用卷积神经网络和胸部 X 射线图像对 COVID-19 进行快速而可靠的诊断，结果表明，使用三层卷积层的 CNN 模型可以高达 96% 的精度进行 COVID-19 的筛查。

    Sep, 2021

  • Deep-COVID: 使用深度迁移学习从胸部 X 射线图像预测 COVID-19

    利用深度学习模型对新冠肺炎胸部放射照片进行诊断，在公共数据集中取得了 98% 左右的敏感性。

    Apr, 2020