肺部的细分和分类 通过深度学习技术检测COVID-19异常的CT扫描:U-Net模型
Abdoulreza S Moosavi1, Ashraf Mahboobi2, Farzin Arabzadeh3
1Department of Radiologist, Golestan Radiology and Sonography Clinic, Tehran, Iran.
Journal of family medicine and primary care
|April 12, 2024
概括
这项研究开发了一种深度学习的网络应用程序,用于在CT扫描上检测感染的肺组织,在识别COVID-19异常方面实现高准确性. 该工具旨在改善和加快全球患者治疗.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 深度学习 (Deep Learning) 是一种深度学习.
背景情况:
- 人工智能 (AI) 在放射图像中提供了对感染区域的高效分析.
- 在CT肺部扫描上检测和标记受感染的组织对于及时诊断至关重要.
研究的目的:
- 设计一个基于网络的应用程序,用于在CT肺部图像上检测和标记受感染的组织.
- 利用深度学习 (DL) 方法进行人工智能驱动的医学图像分析.
主要方法:
- 混合U-Net和DenseNet121深度学习架构用于图像细分.
- 该模型在来自多个数据集的CT扫描图像上进行了训练和验证,其中包括伊朗的一家医院.
主要成果:
- U-Net-DenseNet121模型在检测高精度 (0.88) 和AUC (0.96) 的COVID-19异常方面表现出显著的能力.
- 基于验证的DL模型开发了一个基于Web的应用程序"Imaging-Tech".
结论:
- 开发的DL模型和Web应用程序可靠地检测肺部CT扫描中的感染组织.
- 这个工具可以自动化,优先考虑和加快全球COVID-19患者的治疗.
