【论文笔记】Multi-task deep learning based CT imaging analysis for COVID-19 pneumonia: Classification and
声明
不定期更新自己精度论文,通俗易懂,初级小白也可以理解
涉及范围:深度学习方向,包括 CV、NLP、Data Fusion、Digital Twin
论文标题:Multi-task deep learning based CT imaging analysis for COVID-19 pneumonia: Classification and segmentation
论文链接:https://doi.org/10.1016/j.compbiomed.2020.104037
论文代码:
发表时间:2020年10月
数据集:http://medicalsegmentation.com /covid19/
创新点
1、提出了一种新的多任务深度学习模型,来分割、分类和图像重建任务
Abstract
本文提出了一种自动分类分割工具,用于帮助使用胸部 CT 成像筛查 COVID-19 肺炎。分割的病灶有助于评估肺炎的严重程度和对患者的随访。在这项工作中,我们提出了一种新的多任务深度学习模型来联合识别 COVID-19 患者并从胸部 CT 图像中分割 COVID-19 病变。
三个学习任务:分割、分类和重建是用不同的数据集联合执行的。我们的动机一方面是利用多个相关任务中包含的有用信息来提高分割和分类性能,另一方面是处理小数据的问题,因为每个任务可以有一个相对较小的数据集。我们的架构由一个用于分离特征表示的通用编码器和三个任务、两个解码器和一个分别用于重建、分割和分类的多层感知器组成。
使用包含 1369 名患者的数据集对所提出的模型进行评估并与其他图像分割技术进行比较,其中包括 449 名 COVID-19 患者、425 名正常患者、98 名肺癌患者和 397 名不同类型的病理患者。获得的结果表明,我们的方法的性能非常令人鼓舞,分割的骰子系数高于 0.88,分类的 ROC 曲线下面积高于 97%。
Method
基于 3 个任务的新 MTL 架构:
1)COVID 与正常与其他感染分类,
2)COVID 病灶分割,
3)图像重建。
前两个任务是必不可少的,而添加第三个任务是为了增强提取的特征表示。
在这项工作中,作者选择共享来自不同任务之间的参数。作者为三个任务创建了一个通用编码器,它以 CT 扫描作为输入,然后将其输出用于通过第一个解码器重建图像,通过第二个解码器进行分割,以及通过多层感知器与其他感染分类图像。
详细结构如下:
---------------------------------------------------------------------------------------------------------------------------------
Experinments
实验目标:不同模型分割结果
--------------------------------------------------------------------------------------------------------------------------------实验目标:我们提出的模型与分类、分割任务的最新技术之间的定量比较。
实验结果: 效果最优
【论文笔记】Multi-task deep learning based CT imaging analysis for COVID-19 pneumonia: Classification and相关推荐
- 【论文笔记】 LSTM-BASED DEEP LEARNING MODELS FOR NONFACTOID ANSWER SELECTION
一.简介 这篇论文由IBM Watson发表在2016 ICLR,目前引用量92.这篇论文的研究主题是answer selection,作者在这篇论文基础上[Applying Deep Learnin ...
- 论文笔记 【Wide Deep Learning for Recommender Systems】
标题 * 表示未完成 论文原文传送门 文章提出了 m e m o r i z a t i o n a n d g e n e r a l i z a t i o n memorization\ and ...
- 【论文笔记】APPLYING DEEP LEARNING TO ANSWER SELECTION: A STUDY AND AN OPEN TASK
一.简介 这篇论文的任务是问答,输入一个question,从候选集中找到对应的answer.其实也可以看成paraphrase identification任务,或者是短文本匹配. 文中使用的数据集是 ...
- 论文笔记-Applications of Deep Learning in Fundus Images: A Review(1)
文章目录 目录 摘要 1.引言 2.损伤检测 2.1 出血HEs(对应label:渗透) 2.2 微血管瘤 2.3渗出物(对应label:无灌注区) 2.4.多种病变 3.疾病诊断/分级 3.1糖尿病 ...
- 【DeepSketch2Face论文阅读】A Deep Learning Based Sketching System for 3D Face and Caricature Modeling
这篇文章是香港大学韩晓光老师等人在SIGGRAPH 2017的工作,创建了一个业余者也可以创建3D Face或漫画模型的系统. CV上目前存在许多场景,包含卡通角色,社交媒体上的虚拟形象,3D Fac ...
- 【论文学习笔记】《A Review of Deep Learning Based Speech Synthesis》
基于深度学习的语音合成综述论文学习 文章目录 基于深度学习的语音合成综述论文学习 1 简介 2 语音合成概述 2.1 语音合成概念 2.2 语音合成发展历史 2.3 传统语音合成技术 2.3.1 拼接 ...
- 论文详读:LEMNA: Explaining Deep Learning based Security Applications
我以我ppt的内容顺序介绍一下这篇论文,希望有错误的地方大家可以帮我指出嘻嘻 1.论文出处 论文名:LEMNA: Explaining Deep Learning based Security App ...
- 论文翻译七:Adversarial Transfer Learning for Deep Learning Based Automatic Modulation Classification
30天挑战翻译100篇论文 坚持不懈,努力改变,在翻译中学习,在学习中改变,在改变中成长- Adversarial Transfer Learning for Deep Learning Based ...
- 论文翻译:2021_语音增强模型压缩_Towards model compression for deep learning based speech enhancement...
论文地址:面向基于深度学习的语音增强模型压缩 论文代码:没开源,鼓励大家去向作者要呀,作者是中国人,在语音增强领域 深耕多年 引用格式:Tan K, Wang D L. Towards model c ...
最新文章
- jsp ul设置滚动条_jquery实现Li滚动时滚动条自动添加样式的方法
- 动态规划练习1--Unique Paths
- java jtable行标题_如何设置JTable的标题——如图
- 语法制导的翻译是如何实现的_全球化企业应该如何选择机器翻译解决方案?
- 微信小程序websocket连接服务器(接收信息)
- 定义一个dto对象_业务代码的救星——Java 对象转换框架 MapStruct 妙用
- Kylin下构建Cube第一步出错:shell-init: error retrieving current directory
- Axure实现提示文本单击显示后自动消失的效果
- linux unzip到指定目录
- Entity Framework(EF)数据查询
- 神经网络入门之RNN(三)
- 用React加CSS3实现微信拆红包动画
- Unity2 学习 制作和动态加载预制体
- Java自学和培训的区别
- Origin抗锯齿和出现大C
- Linux(CentOS)安装 Vim编辑器
- 两融杠杆渐入警戒区 专家警示结构性风险
- 【强化学习】实现Atari游戏的自动化学习(仅供参考)
- sql server 经典练习题分享二
- 1000瓶水有1瓶水有毒,老鼠喝一滴就会死,但是需要一周毒发,请问最少需要多少老鼠多少时间才能找到那瓶有毒的水。
热门文章
- 三维计算机辅助设计学什么,三维计算机辅助设计教学改革研究与实践
- iframe的局限性
- 叮~首届中国开发者生态峰会向您发来了邀请函!
- 关于python爬虫课程设计
- Docker更改镜像仓库地址
- 初识滴滴交易策略之二:司乘匹配
- windows 64位 安装 mysql 5.7(压缩包方式)
- webpack-dev-server --inline --progress --config build/webpack.dev.conf.js 解决办法
- java如何造假数据_别再手工造假数据了,faker了解一下
- JAVA递归算法学习心得