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
![在這裏插入圖片描述]()
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…