基于迁移学习的CT影像中COVID-19与肺炎分类方法
图像与视频处理
2022-10-27 v2 计算机视觉与模式识别
机器学习
摘要
世界仍被COVID-19病毒的传播所淹没。截至2021年11月,超过2.5亿感染病例影响219个国家和地区,世界仍处于大流行期。利用深度学习方法在CT影像上检测COVID-19可在协助医疗专业人员和决策当局控制疾病传播以及为患者提供必要支持方面发挥关键作用。卷积神经网络在大尺度图像识别领域被广泛使用。当前用于诊断COVID-19的RT-PCR方法耗时且普遍受限。本研究旨在提出一种基于深度学习的方法来分类COVID-19肺炎患者、细菌性肺炎、病毒性肺炎和健康(正常病例)。本文使用深度迁移学习通过Inception-ResNet-V2神经网络架构对数据分类。所提模型被有意简化以降低实现成本,从而可易于在不同地理区域特别是农村和发展中地区实施和使用。
引用
@article{arxiv.2210.09403,
title = {A Transfer Learning Based Approach for Classification of COVID-19 and Pneumonia in CT Scan Imaging},
author = {Gargi Desai and Nelly Elsayed and Zag Elsayed and Murat Ozer},
journal= {arXiv preprint arXiv:2210.09403},
year = {2022}
}
备注
8 pages, 8 figures, under reviewing process