Covid-19 Infection Percentage Estimation——Covid-19感染百分比估计

今天将分享Covid-19感染百分比估计完整实现版本，为了方便大家学习理解整个流程，将整个流程步骤进行了整理，并给出详细的步骤结果。感兴趣的朋友赶紧动手试一试吧。

一、Covid-19 Infection Percentage Estimation介绍

自 2019 年底以来，由于 COVID-19 的爆发，世界一直处于健康危机之中。事实上，使用医学影像可有效检测 Covid-19 感染。这些医学成像包括：X 射线、CT 扫描和超声波。CT 扫描的使用不仅限于检测 COVID-19 病例，它们还可以用于其他重要任务，例如量化感染和监测疾病的演变，这有助于治疗和挽救患者的生命生活。在此挑战中，参与者将使用由两位 Covid-19 感染的放射科专家标记的数据集来训练和验证他们的方法。在测试阶段，参与者将使用从各种 CT 扫描仪和记录设置收集的测试数据集来测试他们的方法。

二、Covid-19 Infection Percentage Estimation任务

Covid-19感染百分比估算

三、Covid-19 Infection Percentage Estimation数据集

数据分为三组：训练、验证和测试。训练集是从 132 次 CT 扫描中获得的，其中 128 次 CT 扫描已根据阳性逆转录聚合酶链反应 (RT-PCR) 和两位经验丰富的胸部放射科医师确定的 CT 扫描表现确认具有 Covid-19。其余四个 CT 扫描没有任何感染类型（健康）。验证集是从 57 次 CT 扫描中获得的，其中 55 次 CT 扫描已根据阳性逆转录聚合酶链反应 (RT-PCR) 和两位经验丰富的胸部放射科医师确定的 CT 扫描表现确认具有 Covid-19。其余两个 CT 扫描没有任何感染类型（健康）。

训练拆分有两个文件：图像（切片）文件夹和标签文件夹（'.csv' 文件），其中包含每个切片（图像）的标签。可以从以下链接下载训练数据：

https://drive.google.com/drive/folders/1vPYMrL_IwC_wOxff3wX_Rg1iIJyNl2Dc?usp=sharing

可以从以下链接下载验证数据：

https://drive.google.com/drive/folders/18V_u6Vo75a_A5RlUH80UcXh3i0rc5keE?usp=sharing

评估指标是：平均绝对误差（MAE）、皮尔逊相关系数（PC）和均方根误差（RMSE）。最重要的评估标准是 MAE。如果两个或多个参赛者获得相同的 MAE，则 PC 和 RMSE 被视为决胜局。

四、技术路线

1、加载csv文件，读取CT图像和感染率数值。

2、对所有训练图像的预处理做归一化操作，图像归一化，用均值是0和方差是1的方式进行归一化。

3、将训练图像中随机选择80%为训练集，20%为验证集。

4、网络采用的是ResNetVGG16网络结构，损失函数是MSE，精度函数是MAE，学习率是0.001，droupout是0.2，epoch是300，batchsize是16。

5、训练结果和验证结果

6、验证数据预测结果

7、测试数据预测结果

为了方便大家更高效地学习，我将代码进行了整理并更新到github上，点击原文链接即可访问。由于之前都是使用tensorflow1.14的进行代码实验开发的，为了方便pytorch的朋友们也可以复现实验结果，我将tensorflow版本的代码翻译转换成pytorch版本的。