2 个月前
CovidCTNet：一种开源深度学习方法用于通过CT图像识别COVID-19
Javaheri, Tahereh ; Homayounfar, Morteza ; Amoozgar, Zohreh ; Reiazi, Reza ; Homayounieh, Fatemeh ; Abbas, Engy ; Laali, Azadeh ; Radmard, Amir Reza ; Gharib, Mohammad Hadi ; Mousavi, Seyed Ali Javad ; Ghaemi, Omid ; Babaei, Rosa ; Mobin, Hadi Karimi ; Hosseinzadeh, Mehdi ; Jahanban-Esfahlan, Rana ; Seidi, Khaled ; Kalra, Mannudeep K. ; Zhang, Guanglan ; Chitkushev, L. T. ; Haibe-Kains, Benjamin ; Malekzadeh, Reza ; Rawassizadeh, Reza
摘要
2019冠状病毒病（Covid-19）具有高度传染性，且治疗选择有限。早期和准确诊断Covid-19对于减少疾病传播及其伴随的死亡率至关重要。目前，逆转录聚合酶链反应（RT-PCR）检测是门诊和住院患者Covid-19检测的金标准。尽管RT-PCR是一种快速方法，但其检测准确性仅为约70%-75%。另一种获批的策略是计算机断层扫描（CT）成像。CT成像的敏感度高达约80%-98%，但其准确性与RT-PCR相似，约为70%。为了提高CT成像检测的准确性，我们开发了一套开源算法集，称为CovidCTNet，该算法成功地区分了Covid-19与社区获得性肺炎（CAP）及其他肺部疾病。相比放射科医生（70%），CovidCTNet将CT成像检测的准确性提高到90%。该模型设计用于在不同硬件条件下处理异质性和小样本量的数据。为了在全球范围内促进Covid-19的检测并协助放射科医生和临床医师进行筛查过程，我们将所有算法及参数细节以开源格式发布。我们的CovidCTNet开源共享使开发者能够迅速改进和优化服务，同时保护用户隐私和数据所有权。