在CT扫描肺部图像中检测COVID-19的拓数据分析和机器学习
Rabih Assaf1, Abbas Rammal2, Alban Goupil3
1Faculty of Arts and Sciences, Department of Mathematics, Holy Spirit University of Kaslik, Jounieh, Lebanon. rabihassaf@usek.edu.lb.
BMC biomedical engineering
|April 1, 2025
概括
这项研究引入了一种使用拓数据分析和机器学习用于肺部图像中检测COVID-19的新方法. 它实现了高精度,为传统测试提供了一个有希望的替代方案.
科学领域:
- 医疗成像医学成像
- 数据科学数据科学数据科学
- 计算生物学 计算生物学
背景情况:
- 对于COVID-19的病原性实验室检测有局限性,包括大量的假阴性结果.
- 对于准确的,无参数的诊断方法来识别COVID-19非常需要,特别是使用肺部成像.
研究的目的:
- 通过将拓数据分析 (TDA) 与机器学习 (ML) 集成,开发和验证一种用于肺部图像中检测COVID-19的新方法.
- 评估从肺部图像中提取的持久同质特征的有效性,以准确地对COVID-19进行分类.
主要方法:
- 从肺CT扫描图像中提取持久的同质特征,以捕获拓性质.
- 使用机器学习分类器,包括随机森林和支持矢量机 (SVM),以TDA功能作为输入.
- 对具有和没有拓特征的模型性能进行比较分析.
主要成果:
- 随机森林分类器在分类COVID-19阳性肺部图像方面实现了97.5%的准确率.
- 支持矢量机器 (SVM) 模型表现出高性能,曲线下的面积 (AUC) 比分超过0.99.
- 拓特征显著提高了机器学习模型的分类性能.
结论:
- 拓数据分析与机器学习的整合为肺部图像中COVID-19检测提供了高度准确和有效的方法.
- 持久的同类特征对于提高基于ML的诊断工具对COVID-19等呼吸道疾病的精度至关重要.
- 这种TDA-ML方法为传统诊断方法提供了有价值的替代方案,解决了诸如假阴性等局限性问题.
