Inf-Seg: automatic segmentation and quantification method for CT-based COVID-19 diagnosis

Глобальное распространение COVID-19 увеличило потребность во врачах и точных и эффективных диагностических инструментах. Лучший способ контролировать распространение COVID-19 — вакцинация населения, а также раннее вмешательство для предотвращения распространения болезни. По данным Всемирной организации здравоохранения, КТ грудной клетки на ранних стадиях заболевания COVID-19 имеет хорошую точность, что приводит к широкому использованию этих изображений в диагностике и оценке заболевания COVID-19. Сегментация КТ легких является важным первым шагом для анализа изображений легких. В статье рассмотрены существующие компьютерные системы и представлена эффективная компьютерная система для сегментации изображений КТ. Предложен новый метод сегментации легочной инфекции COVID-19 (Inf-Seg) на основе искусственного интеллекта (ИИ) для автоматического выявления инфицированных областей при компьютерной томографии грудной клетки. В Inf-Seg после предварительной обработки медицинского изображения и улучшения качества изображения используются методы извлечения признаков текстуры для сбора признаков высокого уровня и создания глобальной карты. На следующем этапе используется YOLACT, состоящий из базовой части сети пирамид функций для создания многомасштабных карт объектов и эффективной классификации и локализации объектов различных размеров (с лучшей информацией, чем обычная пирамида функций для обнаружения объектов), а также часть Protonet и предсказание.