基于多视图医学图像处理的COVID-19诊断算法及应用研究

2020年伊始,一种新型冠状病毒(Coronavirus Disease 2019,COVID-19)席卷全球,世界各国面临严重的公共卫生危机。由放射科医生人工检测肺部CT影像是否存在磨玻璃密度影是重要的诊断依据,但是由于人工检测较为耗时且受制于医生主观经验,存在检测效率低下以及主观诊断误差等问题。通过研究多视图数据的特征选择策略,构建或改进新的多视图数据特征选择策略,充分利用高维数据中许多特征之间的相关性和互补性,尽可能去冗,降低计算复杂度,提高学习算法的性能。针对医学图像分割问题,采用了深度学习中的U-Net网络;针对分割标注的二维CT图像数量的有限性,创建了COVID-19分割网络;针对多视图数据的获取,提出了多视图数据特征选择策略。