混合量子扩展卷积神经网络用于在大数据分析的背景下检测covid-19
Nagamani Tenali1, Gatram Rama Mohan Babu2
1Department of CSE, Y.S. Rajasekhar Reddy University College of Engineering & Technology, Acharya Nagarjuna University, Guntur, Nagarjuna Nagar India.
Multimedia tools and applications
|June 26, 2023
概括
这项研究引入了一种新的大数据方法,用于使用胸部X射线检测COVID-19. 混合深度学习模型实现了99.01%的准确性,提高了诊断能力.
科学领域:
- 医疗信息学 医疗信息学
- 人工智能的人工智能
- 大数据分析大数据分析
背景情况:
- 随着COVID-19的流行,人们越来越需要快速,准确的诊断工具.
- 大数据分析为管理和分析大型医疗数据集提供了潜在的解决方案,例如胸部X射线.
- 现有的诊断方法面临着大规模数据处理和模型可靠性的挑战.
研究的目的:
- 利用大数据技术开发一种独特的方法来识别和分类COVID-19疾病.
- 通过先进的计算模型提高COVID-19诊断的准确性和效率.
- 利用分布式计算和机器学习来改进医疗图像分析.
主要方法:
- 使用Hadoop框架的分布式计算服务器被用来管理和分析大量的胸部X射线图像.
- 模糊授权加权k-means算法用于图像细分和分组类似模式.
- 建议使用混合量子扩展卷积神经网络 (HQDCNet) 来对COVID-19实例进行分类,并通过基于黑寡妇的火焰优化进行增强.
主要成果:
- 拟议的HQDCNet方法在COVID-19检测中显示了99.01%的高精度.
- 对COVID-19放射数据集的性能分析证实了该模型的有效性.
- 实验结果使用标准指标进行评估,包括准确性,精度,回忆和f-measure.
结论:
- 开发的大数据框架和HQDCNet模型提供了一个强大的解决方案,用于通过胸部X射线准确检测COVID-19.
- 这种方法有效地解决了处理用于疾病诊断的大型医疗数据集的挑战.
- 这项研究表明,在利用人工智能和大数据用于传染病管理方面取得了重大进展.
