基于云的四方深层组合框架用于检测COVID-19的Omicron和Delta变种
Ravi Shekhar Tiwari1, Lakshmi Dandabani2, Tapan Kumar Das3
1Department of Computer Science Engineering, Mahindra University, Hyderabad 500043, India.
Diagnostics (Basel, Switzerland)
|November 24, 2023
概括
这项研究开发了一种使用深度学习的集合模型,以从CT扫描中准确检测COVID-19 Omicron和Delta变体. 该模型达到99.93%的准确性,有助于快速诊断.
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:
- 与COVID-19 Omicron和Delta变种相关的高死亡率需要快速准确的诊断工具.
- 区分COVID-19变种,如Omicron和Delta,对于有效的患者管理至关重要.
研究的目的:
- 开发和验证一种强大的深度学习模型,用于使用肺部CT扫描图像检测COVID-19 Omicron和Delta变种.
- 利用整体方法和转移学习来提高诊断准确性和可靠性.
主要方法:
- 设计了一个整体模型,将卷积神经网络 (CNN) 架构与囊网络 (CapsNet) 和预训练模型 (VGG-16,DenseNet-121,Inception-v3) 集成在一起.
- 使用转移学习来利用预先学习的参数并减少数据需求.
- 利用了CapsNet对图像定向和尺寸变化的强度.
主要成果:
- 拟议的整体模型实现了99.93%的诊断准确度.
- 该模型显示了0.999的高曲线下面积 (AUC) 和99.9%的精度.
- 该框架已成功部署为本地云网络应用程序,用于远程诊断.
结论:
- 开发的组合模型提供了一种高度准确和可靠的方法,用于从CT扫描中检测COVID-19 Omicron和Delta变体.
- 整合CapsNet和转移学习,结合合体技术,显著提高诊断性能.
- 网络应用程序促进了对这些关键的COVID-19变种的远程和可访问的诊断.
