使用最先进的深度学习模型检测 COVID-19 胸部 X 光图像的比较研究

刘清中, 陈忠学, 刘亨祺
2022 年第一届医疗人工智能与 COVID-19 研讨会论文集，ICML 2022, PMLR 184:146-153, 2022.

摘要

I本研究使用最近发布的一个 COVID-19 阳性病例胸部 X 光 (CXR) 图像数据库，以及正常、肺不透明度（非 COVID 肺部感染）和病毒性肺炎图像，比较了最先进的深度学习模型在检测 COVID-19 CXR 图像方面的性能。对预训练的深度学习模型在多种优化器、学习率调度器和损失函数的组合下进行再训练。我们的研究表明，如果模型和参数选择得当，这些最先进的深度学习模型表现良好。总体而言，EfficientNet 在不同优化器中优于其他模型。在损失函数方面，采用 SGD 优化器时，余弦嵌入相似度和交叉熵的结合略好于交叉熵本身。在优化器方面，SGD 始终表现良好，而 Adam 和 AdamW 在不同模型中不稳定。

引用本文

BibTeX
@InProceedings{pmlr-v184-liu22a, title = {使用最先进的深度学习模型检测 COVID-19 胸部 X 光图像的比较研究}, author = {刘, 清中 and 陈, 忠学 and 刘, 亨祺}, booktitle = {2022 年第一届医疗人工智能与 COVID-19 研讨会论文集，ICML 2022}, pages = {146--153}, year = {2022}, editor = {徐, 鹏 and 朱, 婷婷 and 朱, 鹏凯 and Clifton, David A. and Belgrave, Danielle and 张, 媛婷}, volume = {184}, series = {机器学习研究论文集}, month = {22 Jul}, publisher = {PMLR}, pdf = {https://pmlr.com.cn/v184/liu22a/liu22a.pdf}, url = {https://pmlr.com.cn/v184/liu22a.html}, abstract = {I本研究使用最近发布的一个 COVID-19 阳性病例胸部 X 光 (CXR) 图像数据库，以及正常、肺不透明度（非 COVID 肺部感染）和病毒性肺炎图像，比较了最先进的深度学习模型在检测 COVID-19 CXR 图像方面的性能。对预训练的深度学习模型在多种优化器、学习率调度器和损失函数的组合下进行再训练。我们的研究表明，如果模型和参数选择得当，这些最先进的深度学习模型表现良好。总体而言，EfficientNet 在不同优化器中优于其他模型。在损失函数方面，采用 SGD 优化器时，余弦嵌入相似度和交叉熵的结合略好于交叉熵本身。在优化器方面，SGD 始终表现良好，而 Adam 和 AdamW 在不同模型中不稳定。} }
Endnote
%0 会议论文 %T 使用最先进的深度学习模型检测 COVID-19 胸部 X 光图像的比较研究 %A 刘清中 %A 陈忠学 %A 刘亨祺 %B 2022 年第一届医疗人工智能与 COVID-19 研讨会论文集，ICML 2022 %C 机器学习研究论文集 %D 2022 %E 徐鹏 %E 朱婷婷 %E 朱鹏凯 %E David A. Clifton %E Danielle Belgrave %E 张媛婷 %F pmlr-v184-liu22a %I PMLR %P 146--153 %U https://pmlr.com.cn/v184/liu22a.html %V 184 %X I本研究使用最近发布的一个 COVID-19 阳性病例胸部 X 光 (CXR) 图像数据库，以及正常、肺不透明度（非 COVID 肺部感染）和病毒性肺炎图像，比较了最先进的深度学习模型在检测 COVID-19 CXR 图像方面的性能。对预训练的深度学习模型在多种优化器、学习率调度器和损失函数的组合下进行再训练。我们的研究表明，如果模型和参数选择得当，这些最先进的深度学习模型表现良好。总体而言，EfficientNet 在不同优化器中优于其他模型。在损失函数方面，采用 SGD 优化器时，余弦嵌入相似度和交叉熵的结合略好于交叉熵本身。在优化器方面，SGD 始终表现良好，而 Adam 和 AdamW 在不同模型中不稳定。
APA
刘，Q.，陈，Z. & 刘，H.C.（2022）。使用最先进的深度学习模型检测 COVID-19 胸部 X 光图像的比较研究。2022 年第一届医疗人工智能与 COVID-19 研讨会论文集，ICML 2022，载于机器学习研究论文集 184:146-153 可从 https://pmlr.com.cn/v184/liu22a.html 获取。

相关材料