LCCNN:一种轻量化定制的基于CNN的远程教育应用程序,用于COVID-19识别
Jiaji Wang1, Suresh Chandra Satapathy2, Shuihua Wang1,3,4
1School of Computing and Mathematical Sciences, University of Leicester, Leicester, LE1 7RH UK.
Mobile networks and applications : MONET
|May 13, 2024
概括
一个新的基于网络的应用程序使用轻量级,定制的卷积神经网络 (LCCNN) 来从CT扫描中准确识别COVID-19. 该工具有助于医学教育和患者诊断,提供了对COVID-19病变的可解释的见解.
科学领域:
- 人工智能的人工智能
- 医疗成像医学成像
- 远程教育就是远程教育.
背景情况:
- 全球疫情凸显了远程教育在教育中的重要性.
- 医疗诊断和教育需要易于获得和有效的工具,特别是在健康危机期间.
- 卷积神经网络 (CNN) 在医学图像分析中表现有前途.
研究的目的:
- 开发一个基于网络的应用程序,用于COVID-19识别,使用新的CNN模型.
- 评估模型的准确性和诊断能力.
- 创建一个可解释的AI工具,用于医学教育和患者评估.
主要方法:
- 提出了一个8层轻量级的定制卷积神经网络 (LCCNN).
- 实施了五通道数据增强技术,以防止过拟合.
- 开发了一个用户友好的基于Web的应用程序,集成LCCNN模型.
主要成果:
- LCCNN模型的准确性达到91.78%,超过了其他八种最先进的方法.
- 该模型在CT图像中成功检测到COVID-19病变.
- 生成的热图为病变的清晰可视化提供了可解释性.
结论:
- 开发的基于网络的应用程序和LCCNN为COVID-19患者提供了有价值的诊断视角.
- 该工具作为远程医学教育的有效平台,增强学生的互动和理解.
- LCCNN模型的可解释性有利于放射科医生和教育工作者.
