在COVID-19疫情期间，利用深度学习和基于DCGAN的数据增强技术检测病毒性肺炎

《Scientific Reports》：Viral pneumonia detection during the COVID-19 pandemic using deep learning and DCGAN-based data augmentation

　　

摘要

深度学习在自动化胸部X光分析以诊断呼吸系统疾病方面展现了巨大潜力。然而，由于病毒性肺炎与COVID-19在影像学上的相似性以及标记数据的有限性，准确检测病毒性肺炎仍然具有挑战性。在这项研究中，我们旨在使用卷积神经网络（CNN）、MobileNet以及集成方法来检测胸部X光图像中的病毒性肺炎，并通过基于DCGAN的数据增强技术来克服数据集的局限性。研究共使用了317张真实的胸部X光图像，并利用DCGAN生成了1500张合成图像以增加训练数据的多样性。实验设置了两种方案：（1）仅使用真实数据进行训练和测试；（2）结合真实数据和合成数据进行训练，并使用真实测试图像进行评估。在第二种实验中，改进后的CNN模型准确率达到92.4%，MobileNet的准确率为96.97%，集成方法的准确率也为96.97%。结果表明，基于DCGAN的数据增强技术与集成学习相结合能够提升分类性能和模型的鲁棒性。所提出的方法为在COVID-19疫情期间自动化检测胸部X光图像中的病毒性肺炎提供了有效工具。