通过使用深层卷积神经网络和X射线照片自动检测冠状病毒疾病

科学领域:

• 医疗成像医学成像
• 人工智能的人工智能
• 放射学 放射学是一门学科.

背景情况:

• 实时聚合酶连锁反应 (PCR) 是COVID-19检测的标准,但具有局限性.
• PCR测试是昂贵的,耗时的,并且可以产生错误的阴性结果.
• 胸部X射线为COVID-19诊断提供了更容易获得和更具成本效益的替代方案.

研究的目的:

• 开发一种使用胸部X射线检测COVID-19的自动化系统.
• 为了解决手动放射学评估的局限性.
• 为了提高COVID-19诊断的速度和准确性.

主要方法:

• 开发了一个深度学习模型,即自定义卷积神经网络 (Custom-CNN).
• 定制-CNN模型具有八个加权层,具有掉落和批量正常化.
• 该模型经过训练,将胸部X射线分类为COVID-19,正常和肺炎类别.

主要成果:

• 定制-CNN模型实现了98.19%的高分类精度.
• 深度学习方法在胸部X射线中识别COVID-19指标方面表现出有效性.
• 该系统显示了快速和准确的疾病查的潜力.

结论:

• 深度学习,特别是Custom-CNN模型,为胸部X射线中COVID-19检测提供了有效的自动化解决方案.
• 这种自动化方法可以克服传统PCR测试和手动放射检查的局限性.
• 拟议的系统提供了一个有前途的工具,可以提高传染病爆发的诊断能力.