一种利用卷积神经网络从胸部X光图像检测COVID-19的深度学习方法
图像与视频处理
2022-01-26 v1 计算机视觉与模式识别
机器学习
摘要
COVID-19（冠状病毒病）是由严重急性呼吸综合征冠状病毒2（SARS-CoV-2）引起的一种持续的大流行病。该病毒于2019年12月中旬在中国武汉的湖北省首次被发现，至今已传播至全球，确诊病例超过7550万例，死亡病例超过167万例。由于医疗机构中可用的COVID-19检测试剂盒数量有限，开发并实施一种可作为COVID-19检测替代诊断方案的自动检测系统，并使其能在商业规模上使用，显得尤为重要。胸部X光是COVID-19疾病诊断中发挥重要作用的首选影像技术。计算机视觉和深度学习技术有助于利用胸部X光图像确定COVID-19病毒。由于大规模标注图像数据集的高度可用性，使用卷积神经网络进行图像分析和分类已取得巨大成功。在本研究中，我们提出了一种在五个开放获取数据集上训练的深度卷积神经网络，具有二值输出：正常和Covid。该模型的性能与四个基于预训练卷积神经网络的模型（COVID-Net、ResNet18、ResNet和MobileNet-V2）进行了比较，结果表明，与其他四个预训练模型相比，所提出的模型在验证集上提供了更好的准确率。这项研究工作提供了有前景的结果，可以进一步改进并在商业规模上实施。
引用
@article{arxiv.2201.09952,
title = {A Deep Learning Approach for the Detection of COVID-19 from Chest X-Ray Images using Convolutional Neural Networks},
author = {Aditya Saxena and Shamsheer Pal Singh},
journal= {arXiv preprint arXiv:2201.09952},
year = {2022}
}