使用深度移动网络卷积神经网络从胸部X射线自动检测COVID-19

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:

• 由于COVID-19的流行,需要快速准确的诊断工具.
• 胸部X射线 (CXR) 对于检测与COVID-19相关的肺部异常至关重要.
• 自动检测系统可以减轻医疗保健系统的压力.

研究的目的:

• 开发一种使用CXR图像自动检测COVID-19的计算工具.
• 通过深度学习和机器学习技术来提高诊断准确度.
• 为了区分COVID-19,非COVID肺部不透明度和正常的CXR发现.

主要方法:

• 使用深度学习转移学习方法与预训练的MobileNetV2卷积神经网络 (CNN).
• 在从MobileNetV2模型中提取的特征上使用支持矢量机 (SVM) 分类器.
• 评估了模型在COVID-19的CXR数据上的表现,非COVID肺部不透明度和正常病例.

主要成果:

• 基线模型实现了92.28%的准确性.
• 结合MobileNetV2和SVM的转移学习模型实现了93.2%的精度提高.
• 这种混合方法在分类COVID-19,非COVID肺不透明度和正常肺状况方面表现出高效.

结论:

• 将MobileNetV2功能与SVM分类器集成,为COVID-19检测提供了一个强大的方法.
• 深度学习算法在改善从CXR中区分各种肺部疾病方面显示出显著的希望.
• 这种计算工具可以帮助快速准确地诊断COVID-19,支持临床决策.