Nov, 2020

探究影像增强技术对于使用胸部 X 光影像检测 COVID-19 的影响

PDF
TL;DR本文介绍了通过计算机辅助诊断在 COVID-19 检测和诊断中使用胸部 X 射线成像以及对不同图片增强技术对检测表现的影响，通过创建最大的公共 COVID-19 阳性数据库进行认证，并研究了六种不同的卷积神经网络以及五种不同的图像增强技术，证明伽玛校正技术可以提高主要检测评估指标的准确性，并提出了一种快速且强健的 COVID-19 检测方法。
computer-aided diagnosiscovid-19 detectionchest x-ray imagingimage enhancement techniquesconvolutional neural networks
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

  • 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

  • 使用深度学习在小数据集上从胸部 X 光中检测 Covid-19

    本文探讨使用胸部 X 光影像诊断 COVID-19 疾病的实用性，经深度卷积神经网络调整后，在十折交叉验证中，102 例 COVID-19 病例全部正确分类，AUC 为 0.997；在一组测试集上，20 例未见过的 COVID-19 病例全部正确分类。

    Apr, 2020

  • 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

  • 浅层和分层分类中的胸部 X 光图像 COVID-19 鉴定

    本研究提出了一种使用只有 CXR 图像识别由 COVID-19 引起的肺炎的分类方案，并探索了多个纹理描述符和基础分类器的早期和晚期融合技术。使用 RyDLS-20 数据库进行实验，该数据库包含由不同病原体引起的肺炎的 CXR 图像以及健康肺的 CXR 图像。最终结果证明了该方法对于 COVID-19 识别任务具有很高的识别率和应用潜力。

    Apr, 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

  • 人工智能在筛查病毒性和 COVID-19 肺炎中的作用

    本研究旨在研究利用深度学习技术对 X 光胸片进行 COVID-19 肺炎自动检测的实用性，该网络训练的准确率、精确率、敏感性和特异性均较高，可作为 COVID-19 快速筛查工具的一种替代方案。

    Mar, 2020

  • 使用迁移学习检测胸部 X 光图像中的 COVID19

    本文研究了使用迁移学习的方法，通过根据 VGG-16 和 VGG-19 的经典体系结构进行分类器块与超参数调整，以自动检测胸部 X 光图像中的 COVID-19。实验结果展示了迁移学习在医学成像领域中的实用性，不仅可以防止过拟合和收敛问题，还可以获得最优的分类性能。

    Apr, 2023

  • 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