相关实验视频
Updated: Jun 19, 2026

13:19
Deep Neural Networks for Image-Based Dietary Assessment
Published on: March 13, 2021
9.0K
基于X射线图像的实时COVID-19诊断使用深度神经网络 (CXR-DNNs)
Ali Yousuf Khan1, Miguel-Angel Luque-Nieto2, Muhammad Imran Saleem3
1Telecommunications Engineering School, University of Malaga, 29010 Malaga, Spain.
Journal of imaging
|December 27, 2024
概括
这项研究开发了一种使用胸部X射线检测COVID-19感染的AI工具. 新方法的准确性达到了95%,改善了现有技术,以更快,更可靠地进行诊断.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 传染病诊断 传染病诊断 传染病诊断
背景情况:
- 随着COVID-19的爆发,人们越来越需要有效的诊断工具.
- 像RT-PCR这样的当前方法昂贵且耗时.
- 胸部X射线 (CXR) 分析对快速检测COVID-19提出了挑战.
研究的目的:
- 开发一种基于人工智能 (AI) 的诊断工具,使用CXR图像有效检测COVID-19.
- 与现有方法相比,提高COVID-19诊断的准确性和速度.
主要方法:
- 利用Kaggle的4035张CXR图像的数据集,包括COVID-19,病毒性肺炎,肺不透明性和健康病例.
- 用预训练的卷积神经网络 (CNN) 进行员工转移学习:InceptionV3,ResNet50和Xception.
- 开发了一个新的AI模型,CXR-DNNs,整合了这些先进的技术.
主要成果:
- 通过集成的AI模型,实现了95%的诊断准确度.
- 与单独使用ResNet50 (85.5%) 相比,显示了显著更高的准确性.
- 首次成功地区分了三种不同类型的胸部X射线图像.
结论:
- 开发的AI工具CXR-DNNs提供了一种高度准确和高效的方法,用于从CXR图像中诊断COVID-19.
- 这种计算机辅助诊断方法有可能显著提高识别COVID-19感染的速度和可靠性.
- 该研究展示了人工智能在医学诊断中的力量,特别是在公共卫生危机中.

