关于新冠肺炎（COVID-19）论文解读集合

这是基于COVID-19成像的AI研究论文的集合，并简单做个解读。论文主要来自：https://github.com/HzFu/COVID19_imaging_AI_paper_list

文章目录

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)

基于CT图像的冠状病毒病(COVID-19)深度学习算法，论文来自我国的肿瘤研究所和几家医院，地址：https://www.medrxiv.org/content/10.1101/2020.02.14.20023028v5

数据集：99个患者的CT图（3维），其中55是正常的肺炎，44个是新冠肺炎。来自我国3家医院数据，未公开。
方法：

随机选择3维CT切片（roi）作为输入
训练CNN模型提取特征
全连通网络分类模型训练和多分类器预测

模型：采用预训练Inception网络
结果：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:一种定制的卷积神经网络，用于胸部x线图像检测COVID-19。(先把COVID-Net名字占着)
来自加拿大滑铁卢大学，地址：https://arxiv.org/abs/2003.09871

数据集：https://github.com/lindawangg/COVID-Net/blob/master/docs/COVIDx.md

模型（3分类）：

结果：

同时论文还是用了GSInquire工具来解释数据，什么是GSInquire：https://arxiv.org/abs/1910.07387v2，使用生成合成的方法来解释病灶的位置。（这部分没怎么看懂）

3、COVIDX-Net: A Framework of Deep Learning Classifiers to Diagnose COVID-19 in X-Ray Images

这是一篇来自埃及姆努菲亚大学，论文只是用了几个常见的分类网络做个二分类任务。

数据集：https://github.com/ieee8023/covid-chestxray-dataset (好像大家都在用这个数据集)
论文采用的数据集包括50张x线图像，分为25例正常病例和25例COVID-19阳性病例两类。(这也太少了吧)
方法：各种分类器，VGG19，DenseNet201等
结果如下：（只能说样本太少，论文感觉是为了抢占时间写的，没什么多大意义的论文）

4、Automatic Detection of Coronavirus Disease (COVID-19) Using X-ray Images and Deep Convolutional Neural Networks

论文来自土耳其某大学（没听过）

数据集：100张x光图（50正常，50肺炎），2分类
方法： InceptionV3、 ResNet50

**实验结果：**AUC=1 ?

点评：数据太少，方法没有创新，硬是凑成一篇论文

5、Deep Learning System to Screen Coronavirus Disease 2019 Pneumonia

这是来自浙江大学附属医院等论文，主要使用3D CNN来做3分类任务。

数据集： 自家的数据集，618张CT，其中219是新冠肺炎。
方法： 3D ResNet-18

效果：

点评: 算一个实验报告吧，看样子数据集不会公开，方法也没有创新

6、Artificial Intelligence Distinguishes COVID-19 from Community Acquired Pneumonia on Chest CT

论文来自武汉医院，当然数据集也是下载不到的。

数据集： 3,322个病人的4356 张CT图
方法：用的是2D ResNet50，输入的CT一系列的切片。三分类任务

效果： COVID-19的AUC = 0.96， CAP 的AUC = 0.95
点评: 有数据，但是没有在方法上次进行创新

7、Lung Infection Quantification of COVID-19 in CT Images with Deep Learning

这篇来自上海交通大学，由沈定刚指导。主要是做3D CT分割，对感染区域进行分割。

数据集： 249名COVID-19患者进行训练，300名COVID-19患者进行验证。
方法： 提出了 VB-Net，主要是改进了V-Net。

细节部分为：

持续更新…