基于物联网的COVID-19检测使用回忆增强的循环神经网络,并使用金优化算法进行优化
1Department of Computer Science and Engineering, SRM Institute of Science and Technology, Delhi - NCR Campus, Ghaziabad, India. karthick.usilai@gmail.com.
Medical & biological engineering & computing
|December 14, 2023
概括
使用医疗物联网 (IoMT) 和胸部X射线的新深度学习方法有助于早期检测COVID-19. 这种方法提高了准确性,并减少了放射科医生的疫情控制工作量.
科学领域:
- 人工智能的人工智能
- 医疗成像医学成像
- 医疗事物的互联网 (IoMT)
背景情况:
- 随着COVID-19的流行,人们越来越需要快速,准确的诊断工具.
- 使用胸部X射线检测COVID-19的现有深度学习方法缺乏足够的准确性.
- 医疗物联网 (IoMT) 提供了远程患者监控和数据收集的潜力.
研究的目的:
- 提出基于物联网 (IoT) 的深度学习方法,用于早期识别COVID-19.
- 为了提高COVID-19诊断的准确性,使用胸部X射线 (CXR) 图像.
- 为了减少放射科医生的工作量,并帮助大流行控制工作.
主要方法:
- 开发了一种回忆增强的循环神经网络,并通过金优化算法 (RERNN-GEO) 进行优化.
- 利用胸部X射线 (CXR) 图像进行COVID-19诊断.
- 采用灰级共发生矩阵 (GLCM) 窗口自适应算法来提取特征.
主要成果:
- 与现有方法相比,拟议的RERNN-GEO方法在COVID-19诊断中取得了更高的准确性.
- 该方法证明了执行时间的缩短,促进了更快的诊断.
- 具体的准确性提高为33.84%,28.93%和33.03%,同时执行时间减少了11.06%,33.26%和23.33%.
结论:
- RERNN-GEO方法为早期和准确检测COVID-19提供了一个有希望的解决方案.
- 这种基于物联网的深度学习方法可以帮助临床医生和放射科医生验证初步评估.
- 这些发现有助于通过增强诊断能力来更好地控制流行病.
