通过双端多重注意力学习对胸部放射图进行改进的COVID-19分类模型

科学领域:

• 医疗成像医学成像
• 人工智能的人工智能
• 计算机辅助诊断 计算机辅助诊断

背景情况:

• COVID-19对全球卫生系统和日常生活产生了重大影响.
• 快速准确的诊断工具对于管理COVID-19至关重要.
• 使用X射线成像进行计算机辅助诊断 (CAD) 是一种具有成本效益的方法.

研究的目的:

• 开发一种先进的AI模型,通过胸部X射线精确检测COVID-19.
• 为了减轻医疗保健系统的诊断负担.
• 为了提高COVID-19查的速度和精度.

主要方法:

• 使用了一组数据集,包括15153张胸部X射线 (CXR) 图像.
• 提出了双端多重注意力学习 (DMAL) 模型.
• DMAL集成了全球和本地特征提取与多阶段特征组合和注意力机制 (元素,通道,空间).

主要成果:

• 该DMAL模型实现了高性能指标.
• 实现了99.67%的准确性,99.53%的精度,99.66%的灵敏度,99.60%的F1得分和99.76%的特异性.
• 超过了十个先进的深度学习模型和竞争方法.

结论:

• 德马尔模型展示了快速和高精度COVID-19诊断的巨大潜力.
• 这种人工智能驱动的方法可以帮助管理广泛传播的传染病.
• 这项研究为公共卫生倡议提供了有价值的工具.