一种用于诊断COVID-19肺炎的新分类方法,基于胸部X射线图像和平行金字塔MLP混合器模块的CNN联合特征
Yiwen Liu1, Wenyu Xing2, Mingbo Zhao1,3
1College of Information Science and Technology, Donghua University, Shanghai, People's Republic of China.
Neural computing & applications
|June 26, 2023
概括
一个新的深度学习框架使用胸部X射线准确诊断COVID-19肺炎. 这种人工智能方法显示出在诊断2019年冠状病毒疾病时临床使用的巨大潜力.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 放射学 放射学是一门学科.
背景情况:
- 由于COVID-19的流行,需要快速准确的诊断工具.
- 胸部X射线对于识别肺炎至关重要,包括COVID-19肺炎.
研究的目的:
- 从胸部X射线图像开发和验证用于诊断COVID-19肺炎的深度学习框架.
- 在临床环境中提高COVID-19诊断的准确性和效率.
主要方法:
- 使用了YOLO-v4进行细分和预训练CNN进行特征提取的管道.
- 多层感知器 (MLP) -混合器模块进行了空间和通道融合,以进行全面的特征提取.
- 一个Softmax分类器被用于COVID-19肺炎的最终分类.
主要成果:
- 拟议的深度学习方法在分类COVID-19肺炎的各种指标上取得了卓越的表现.
- 在4099张胸部X射线图像上的模拟表明了诊断框架的有效性.
- 该方法显示出在COVID-19的辅助诊断方面具有很好的潜力.
结论:
- 开发的深度学习框架为COVID-19肺炎的辅助诊断提供了一个有前途的工具.
- 该方法具有重要的临床应用潜力,用于快速准确地识别疾病.
- 这项研究强调了人工智能在医疗图像分析中的有效性,以应对流行病.
