深度高效网络与转移学习辅助检测COVID-19使用胸部X射线放射成像胸部X射线放射成像
Hiba Mzoughi1, Ines Njeh1,2, Mohamed Ben Slima1,3
1Advanced Technologies for Medecine and Signal (ATMS), National Engineering School of Sfax (ENIS), Route de la Soukra km 4 - 3038 Sfax, Sfax university, Sfax, Tunisia.
概括
这项研究引入了一种先进的深度学习方法,用于使用胸部X射线快速查COVID-19. 该方法实现了高精度,有助于有效的流行病控制和患者管理.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 传染性疾病 传染性疾病
背景情况:
- 随着COVID-19的流行,人们越来越需要快速诊断工具.
- 胸部X射线成像 (CXR) 是一种潜在的COVID-19查方法.
- 目前用于COVID-19检测的深度学习模型面临着诸如高计算成本和过度装配等挑战.
研究的目的:
- 提出使用CXR图像进行自动COVID-19查的先进深度学习方法.
- 为了解决当前COVID-19检测中的深度学习模型的局限性.
- 通过医学成像分析,提高COVID-19诊断的准确性和效率.
主要方法:
- 利用了使用Efficient-Nets深度学习架构的转移学习.
- 微调了整个网络,并优化了超参数.
- 实现了强度规范化和数据增强,用于预处理处理不平衡数据集.
主要成果:
- 在检测COVID-19患者方面取得了高绩效.
- 在培训数据集上达到99.0%的准确率.
- 在测试数据集上实现了98.0%的准确率.
结论:
- 拟议的深度学习方法在通过CXR检测COVID-19方面表现强.
- 该方法有效地缓解了内存,计算,过拟合和高方差等问题.
- 这种方法为快速准确的COVID-19查提供了一个有希望的工具.


