一种用于增强COVID-19检测的混合深度学习CNN模型
图像与视频处理
2025-01-29 v1 人工智能
计算机视觉与模式识别
摘要
早期检测COVID-19对于有效治疗和控制其传播至关重要。本研究提出一种 novel 混合深度学习模型，用于从CT扫描图像中检测COVID-19，旨在帮助负担沉重的医疗专业人员。我们 proposed 模型利用VGG16、DenseNet121和MobileNetV2的优势来提取特征，随后采用主成分分析（PCA）进行降维，最后将特征堆叠并使用支持向量分类器（SVC）进行分类。我们使用包含2,108张训练图像和373张测试图像（包括COVID阳性和阴性图像）进行了在所提出的混合模型和 individual 预训练CNN模型之间的比较分析。我们 proposed 的混合模型实现了98.93%的准确率，在precision、recall、F1分数和ROC曲线性能方面均优于 individual 模型。
引用
@article{arxiv.2501.17160,
title = {A Hybrid Deep Learning CNN Model for Enhanced COVID-19 Detection from Computed Tomography (CT) Scan Images},
author = {Suresh Babu Nettur and Shanthi Karpurapu and Unnati Nettur and Likhit Sagar Gajja and Sravanthy Myneni and Akhil Dusi and Lalithya Posham},
journal= {arXiv preprint arXiv:2501.17160},
year = {2025}
}
备注
Corresponding authors: Shanthi Karpurapu ([email protected]), Suresh Babu Nettur ([email protected]) Shanthi Karpurapu and Suresh Babu Nettur are co-first authors