COVID-19:使用优化卷积神经网络从CT图像中自动检测新型冠状病毒疾病
Aniello Castiglione1, Pandi Vijayakumar2, Michele Nappi3
1Department of Science and TechnologyUniversity of Naples Parthenope 80143 Naples Italy.
概括
一个新的优化卷积神经网络 (CNN) 模型,ADECO-CNN,准确地分类胸部CT扫描用于COVID-19检测. 这种由人工智能驱动的快速方法有助于早期疾病的识别和管理.
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:
- 早期发现COVID-19对于控制其传播至关重要.
- 计算机断层扫描 (CT) 扫描对于诊断COVID-19至关重要.
- 对CT图像的自动分析可以加速诊断.
研究的目的:
- 开发和评估一个优化的卷积神经网络 (CNN) 模型,用于在胸部CT图像中对COVID-19进行分类.
- 将拟议的ADECO-CNN模型与已建立的CNN架构的性能进行比较.
主要方法:
- 开发了一个名为ADECO-CNN的优化卷积神经网络 (CNN) 模型.
- 在胸部CT图像上训练和测试了ADECO-CNN模型.
- 性能与VGG19,GoogleNet和ResNet模型进行了对比.
主要成果:
- 在ADECO-CNN模型实现了特殊的分类性能.
- 实现了99.99%的准确性,99.96%的灵敏度,99.92%的精度和99.97%的特异性.
- 在分类COVID-19阳性和阴性病例方面表现优于其他评估的CNN模型.
结论:
- 通过CT扫描,ADECO-CNN模型在自动检测COVID-19方面表现出高效率.
- 这种人工智能方法为疾病分类提供了快速可靠的工具.
- 阿德科-CNN有潜力在管理COVID-19大流行中显著帮助.


