Transferability limitations for Covid 3D Localization Using SARS-CoV-2 segmentation models in 4D CT images

要約

この論文では、CT 画像の肺炎感染領域のセマンティック セグメンテーションのために、ディープ ラーニング モデルを使用する場合の転送可能性の制限を調査します。
提案されたアプローチは 4 チャンネル入力を採用しています。
ハウンズフィールド スケールに基づく 3 つのチャネルと、肺領域を示す 1 つのチャネル (バイナリ)。
公開されている 3 つの異なる CT データセットを使用しました。
肺領域マスクが利用できない場合、ディープ ラーニング モデルがプロキシ イメージを生成します。
Covid セグメンテーション モデルを作成する際には、転送可能性を慎重に使用する必要があることを示唆する実験結果。
大規模なデータセットでモデルを複数回再トレーニングすると、セグメンテーションの精度が低下します。

要約(オリジナル)

In this paper, we investigate the transferability limitations when using deep learning models, for semantic segmentation of pneumonia-infected areas in CT images. The proposed approach adopts a 4 channel input; 3 channels based on Hounsfield scale, plus one channel (binary) denoting the lung area. We used 3 different, publicly available, CT datasets. If the lung area mask was not available, a deep learning model generates a proxy image. Experimental results suggesting that transferability should be used carefully, when creating Covid segmentation models; retraining the model more than one times in large sets of data results in a decrease in segmentation accuracy.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google