這是基於COVID-19成像的AI研究論文的集合,並簡單做個解讀。論文主要來自:https://github.com/HzFu/COVID19_imaging_AI_paper_list
文章目錄
- 1、A deep learning algorithm using CT images to screen forCorona Virus Disease (COVID-19)
- 2、COVID-Net: A Tailored Deep Convolutional Neural Network Design for Detection of COVID-19 Cases from Chest X-Ray Images
- 3、COVIDX-Net: A Framework of Deep Learning Classifiers to Diagnose COVID-19 in X-Ray Images
- 4、Automatic Detection of Coronavirus Disease (COVID-19) Using X-ray Images and Deep Convolutional Neural Networks
- 5、Deep Learning System to Screen Coronavirus Disease 2019 Pneumonia
- 6、Artificial Intelligence Distinguishes COVID-19 from Community Acquired Pneumonia on Chest CT
- 7、Lung Infection Quantification of COVID-19 in CT Images with Deep Learning
1、A deep learning algorithm using CT images to screen forCorona Virus Disease (COVID-19)
基於CT圖像的冠狀病毒病(COVID-19)深度學習算法,論文來自我國的腫瘤研究所和幾家醫院,地址:https://www.medrxiv.org/content/10.1101/2020.02.14.20023028v5
數據集:99個患者的CT圖(3維),其中55是正常的肺炎,44個是新冠肺炎。來自我國3家醫院數據,未公開
。
方法:
- 隨機選擇3維CT切片(roi)作爲輸入
- 訓練CNN模型提取特徵
- 全連通網絡分類模型訓練和多分類器預測
模型:採用預訓練Inception網絡
結果:AUC 0.9
2、COVID-Net: A Tailored Deep Convolutional Neural Network Design for Detection of COVID-19 Cases from Chest X-Ray Images
COVID-Net:一種定製的卷積神經網絡,用於胸部x線圖像檢測COVID-19。(先把COVID-Net名字佔着
)
來自加拿大滑鐵盧大學,地址:https://arxiv.org/abs/2003.09871
數據集:https://github.com/lindawangg/COVID-Net/blob/master/docs/COVIDx.md
模型(3分類):
結果:
同時論文還是用了GSInquire工具來解釋數據,什麼是GSInquire:https://arxiv.org/abs/1910.07387v2,使用生成合成的方法來解釋病竈的位置。(這部分沒怎麼看懂
)
3、COVIDX-Net: A Framework of Deep Learning Classifiers to Diagnose COVID-19 in X-Ray Images
這是一篇來自埃及姆努菲亞大學,論文只是用了幾個常見的分類網絡做個二分類任務。
數據集:https://github.com/ieee8023/covid-chestxray-dataset (好像大家都在用這個數據集)
論文采用的數據集包括50張x線圖像,分爲25例正常病例和25例COVID-19陽性病例兩類。(這也太少了吧
)
方法:各種分類器,VGG19,DenseNet201等
結果如下:(只能說樣本太少,論文感覺是爲了搶佔時間寫的,沒什麼多大意義的論文
)
4、Automatic Detection of Coronavirus Disease (COVID-19) Using X-ray Images and Deep Convolutional Neural Networks
論文來自土耳其某大學(沒聽過
)
數據集:100張x光圖(50正常,50肺炎),2分類
方法: InceptionV3、 ResNet50
**實驗結果:**AUC=1 ?
點評:數據太少,方法沒有創新,硬是湊成一篇論文
5、Deep Learning System to Screen Coronavirus Disease 2019 Pneumonia
這是來自浙江大學附屬醫院等論文,主要使用3D CNN來做3分類任務。
數據集: 自家的數據集,618張CT,其中219是新冠肺炎。
方法: 3D ResNet-18
效果:
點評: 算一個實驗報告吧,看樣子數據集不會公開,方法也沒有創新
6、Artificial Intelligence Distinguishes COVID-19 from Community Acquired Pneumonia on Chest CT
論文來自武漢醫院,當然數據集也是下載不到的。
數據集: 3,322個病人的4356 張CT圖
方法:用的是2D ResNet50,輸入的CT一系列的切片。三分類任務
效果: COVID-19的AUC = 0.96, CAP 的AUC = 0.95
點評: 有數據,但是沒有在方法上次進行創新
7、Lung Infection Quantification of COVID-19 in CT Images with Deep Learning
這篇來自上海交通大學,由沈定剛指導。主要是做3D CT分割,對感染區域進行分割。
數據集: 249名COVID-19患者進行訓練,300名COVID-19患者進行驗證。
方法: 提出了 VB-Net,主要是改進了V-Net。
細節部分爲:
持續更新…