使用新的深度学习框架在X射线图像中进行有效的COVID-19分类
P Thilagavathi1, R Geetha2, S Jothi Shri3
1Department of Computer Science and Engineering, Aarupadai Veedu Institute of Technology, Vinayaka Mission & Research Foundation(DU) Paiyanoor, Chennai, Tamil Nadu, India.
Journal of X-ray science and technology
|February 20, 2025
概括
这项研究引入了一种新的混合深度学习方法,用于诊断肺部疾病,包括COVID-19,使用人工智能 (AI) 对胸部X射线图像. 该方法实现了高分类准确性,优于现有的快速可靠的疾病识别技术.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 计算机辅助诊断 计算机辅助诊断
背景情况:
- 全球越来越关注与肺相关的疾病,COVID-19传播加剧了这一问题.
- 人工智能 (AI) 可以通过胸部X射线快速识别COVID-19.
研究的目的:
- 开发和评估一种混合深度学习方法,使用胸部X射线图像来诊断肺部疾病.
- 通过先进的人工智能技术提高疾病检测的准确性和效率.
主要方法:
- 利用了一个公共的COVID-19胸部X射线数据集.
- 预处理的图像使用了改进的无otropic 扩散过 (IADF).
- 使用的特征提取方法:GLCM,uLBP,HoG,hvnLBP.
- 使用自适应爬行动物搜索优化 (ARSO) 优化功能选择.
- 开发了一种基于多头注意力的双向门式循环单元,配备了深度零散自动编码网络 (MhA-Bi-GRU与DSAN) 进行分类.
- 应用动态征收-飞行优化 (DLF-CO) 以尽量减少损失函数.
主要成果:
- 实现了高分类准确度:0.95%的0.001学习率和0.98%的0.0001学习率.
- 与现有方法相比,拟议的方法在各种参数上表现出优越的性能.
- 使用胸部X射线图像进行肺部疾病的有效诊断得到了证实.
结论:
- 拟议的混合深度学习方法,集成先进的特征提取和最佳选择,有效地通过X射线图像诊断肺部疾病.
- 这种人工智能驱动的方法显示了提高医学诊断的准确性和速度的巨大潜力.


