使用 X 射线图像与深度卷积神经网络自动检测冠状病毒病（COVID-19）
图像与视频处理
2021-08-03 v3 计算机视觉与模式识别
机器学习
摘要
2019 新型冠状病毒病（COVID-19）始于中国，已在其他国家人群中迅速传播，根据欧洲疾病预防控制中心统计，全球病例已接近 34,986,502 例。由于每日病例增加，医院中可用的 COVID-19 检测试剂盒数量有限。因此，有必要实施一套自动检测系统作为快速替代诊断方案，以防止 COVID-19 在人群中传播。本研究提出了五种基于预训练卷积神经网络的模型（ResNet50、ResNet101、ResNet152、InceptionV3 与 Inception-ResNetV2），利用胸部 X 射线摄影图像检测冠状病毒肺炎感染患者。我们使用 5 折交叉验证，以四类（COVID-19、正常（健康）、病毒性肺炎与细菌性肺炎）进行了三种不同的二分类。从所得性能结果看，预训练的 ResNet50 模型在其他四个所用模型中提供了最高的分类性能（数据集 1 准确率 96.1%，数据集 2 准确率 99.5%，数据集 3 准确率 99.7%）。
引用
@article{arxiv.2003.10849,
title = {Automatic Detection of Coronavirus Disease (COVID-19) Using X-ray Images and Deep Convolutional Neural Networks},
author = {Ali Narin and Ceren Kaya and Ziynet Pamuk},
journal= {arXiv preprint arXiv:2003.10849},
year = {2021}
}
备注
The manuscript has 31 pages, 12 figures and 5 tables