基于深度学习与ANOVA特征选择方法的胸片COVID-19病例诊断新框架
图像与视频处理
2022-03-29 v1 计算机视觉与模式识别
机器学习
摘要
新型冠状病毒（称为 COVID-19）首次在武汉被发现并迅速蔓延全球，对经济与人们日常生活造成严重破坏。发热、咳嗽、咽痛、头痛、乏力、肌肉酸痛和呼吸困难均为 COVID-19 的典型症状。需要一种可靠的检测技术以在 COVID-19 早期识别感染者并加以照护，从而降低病毒传播。最易获取的 COVID-19 识别方法是 RT-PCR；然而，由于其耗时及假阴性结果，必须寻求替代方案。事实上，与 RT-PCR 相比，胸部 CT 扫描与胸部 X 光图像可提供更好的结果。由于 CT 扫描设备稀缺且成本高昂，X 光图像更适于筛查。本文采用预训练网络 DenseNet169 从 X 光图像中提取特征。通过特征选择方法（ANOVA）筛选特征，以降低计算量与时间复杂度，同时克服维数灾难以提升预测精度。最后，由 XGBoost 对所选特征进行分类。所采用的 ChestX-ray8 数据集用于训练与评估所提方法。该方法在二类分类（COVID-19、健康）中达到 98.72% 准确率，在三类分类（COVID-19、健康、肺炎）中达到 92% 准确率。
引用
@article{arxiv.2110.06340,
title = {A novel framework based on deep learning and ANOVA feature selection method for diagnosis of COVID-19 cases from chest X-ray Images},
author = {Hamid Nasiri and Seyyed Ali Alavi},
journal= {arXiv preprint arXiv:2110.06340},
year = {2022}
}