使用人工智能深度学习算法基于肺部计算机断层扫描图像的COVID-19肺炎的自动诊断
Mohammad Amiri1, Manizheh Ranjbar2, Gholamreza Fallah Mohammadi3
1Assistant Professor, Department of Computer Engineering, Technical and Vocational University, Tehran, Iran.
Journal of medical signals and sensors
|July 14, 2023
概括
这项研究介绍了一种使用深度学习的AI驱动软件,用于肺部CT扫描,以准确诊断COVID-19. 开发的工具实现了高精度,为大流行提供了有前途的临床诊断解决方案.
科学领域:
- 人工智能的人工智能
- 医疗成像医学成像
- 深度学习 (Deep Learning) 是一种深度学习.
背景情况:
- 肺部计算机断层扫描 (CT) 扫描为早期COVID-19诊断提供了关键数据.
- 利用人工智能的图像处理软件可以帮助识别COVID-19模式.
- 全球流行病需要先进的诊断工具来快速检测.
研究的目的:
- 设计和验证基于人工智能的软件,以使用肺部CT扫描进行准确的COVID-19诊断.
- 通过深度学习提高图像处理软件的诊断能力.
- 为早期发现COVID-19提供一种临床适用工具.
主要方法:
- 基于Inception-V3的卷积神经网络 (CNN) 架构被用于深度学习.
- 使用转移学习来提高系统的学习能力.
- 网络层被修改以提高检测能力,学习重复30次.
主要成果:
- 该软件在伊玛目霍梅尼医院的数据上表现出高诊断准确度,灵敏度和有效率达98%.
- 某些诊断参数在特定数据集上实现了100%的准确性.
- 修改后的Inception-V3算法在对异质数据应用时显示了可接受的精度.
结论:
- 基于Inception-V3的AI软件在肺部CT扫描上诊断COVID-19肺炎时表现出有效的速度和准确性.
- 该工具是一种强大的诊断辅助工具,具有临床应用的潜力.
- 这种人工智能驱动的方法支持早期和准确的COVID-19识别.
