在肺部CT切片中检测COVID-19使用布朗-蝶-算法优化轻量级深度特征.
Venkatesan Rajinikanth1, Roshima Biju2, Nitin Mittal3
1Department of Computer Science and Engineering, Division of Research and Innovation, Saveetha School of Engineering, Saveetha Institute of Medical and Technical Sciences, Chennai, 602105, Tamil Nadu, India.
Heliyon
|March 12, 2024
概括
本研究介绍了一种简单的深度学习疾病评估方案 (DAS),用于使用肺部CT扫描检测COVID-19. 开发的DAS达到高达99.10%的准确性,大大改善了COVID-19诊断.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 计算生物学 计算生物学
背景情况:
- 准确的COVID-19检测至关重要,肺部CT扫描在诊断和严重程度评估中发挥着至关重要的作用.
- 深度学习方法提供自动化解决方案,以减少分析医疗图像的诊断负担.
- 轻量级深度学习方法 (LDM) 为不那么复杂但非常准确的检测系统提供了途径.
研究的目的:
- 开发一种简单的疾病评估方案 (DAS) 来检测COVID-19使用轻量级深度学习方法 (LDMs) 应用于肺CT切片.
- 通过高效的特征提取和优化,提高COVID-19诊断的准确性.
- 用单个,合并和整体特征来评估拟议的DAS的性能.
主要方法:
- 使用Shannon的值进行图像采集和预处理.
- 通过预训练的轻量级深度学习方法 (LDM) 进行深度特征提取.
- 使用布朗的蝶算法 (BBA) 和使用三倍交叉验证的二进制分类的特征优化.
主要成果:
- 拟议的DAS实现了93.80%的准确性与个别特征.
- 化特征提高了检测准确率到96%.
- 合并特征为COVID-19检测提供了99.10%的最高准确率.
结论:
- 开发的基于深度学习的轻量级DAS显著提高了从肺部CT扫描中检测COVID-19的准确性.
- 整合LDM,BBA优化和整体特征策略的整合证明了对准确的疾病评估的有效性.
- 这种方法提供了一个有希望的,简化的,但强大的工具来增强COVID-19诊断.
