一种深度转移学习方法来检测COVID-19并探索糖尿病患者的归属感
Ijaz Ahmad1, Arcangelo Merla2, Farman Ali3
1Digital Transition, Innovation and Health Service, Leonardo da Vinci Telematic University, Chieti, Italy.
Frontiers in public health
|November 29, 2023
概括
这项研究介绍了CIDICXR-Net50,一种基于ResNet-50的新型模型,用于从胸部X射线检测COVID-19. 该模型实现了高精度,为RT-PCR提供了更快的替代方案,以快速诊断COVID-19.
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:
- COVID-19带来了重大风险,特别是在老年人和糖尿病患者身上.
- 及时检测COVID-19对于患者管理和疫情控制至关重要.
- 目前的黄金标准RT-PCR是耗时且资源密集的.
研究的目的:
- 利用胸部X射线图像开发一种高效准确的COVID-19检测方法.
- 为了评估新型深度学习模型CIDICXR-Net50的性能,用于COVID-19分类.
- 探索糖尿病和COVID-19严重程度之间的潜在联系.
主要方法:
- 通过修改分类层,开发了一个基于ResNet-50的转移学习 (TL) 模型CIDICXR-Net50.
- 该模型在3,923张胸部X射线图像 (COVID-19,病毒性肺炎,正常) 的数据集上进行了训练.
- 对其他六个预训练模型的性能进行了评估.
主要成果:
- 在CIDICXR-Net50模型实现了99.11%的准确性,99.15%的精度和99.15%的回忆.
- 该模型在与其他评估模型相比,表现出了卓越的性能.
- 该研究还调查了COVID-19和糖尿病之间的相关性.
结论:
- CIDICXR-Net50提供了一个高度准确和高效的替代方案,用于通过胸部X射线检测COVID-19.
- 这种人工智能驱动的方法可以帮助在疫情爆发期间快速诊断.
- 需要进一步的研究来了解糖尿病和COVID-19结果之间的关系.


