使用卷积支持向量机对胸部CT图像中的COVID-19进行分类
图像与视频处理
2020-11-12 v1 计算机视觉与模式识别
机器学习
摘要
目的：2019冠状病毒病（COVID-19）在中国武汉出现并影响全球，已造成数千人丧生。由于该病毒快速传播，人工诊断效率低下。因此，在人工智能算法支持下开展了自动COVID-19检测研究。方法：本研究提出了一种高性能检测COVID-19病例的深度学习模型。所提方法定义为卷积支持向量机（CSVM），可自动分类计算机断层扫描（CT）图像。与通过迁移学习方法预训练的卷积神经网络（CNN）不同，CSVM模型是从头训练的。为评估CSVM方法的性能，数据集按训练（75%）和测试（25%）分为两部分。CSVM模型由包含三种不同数量SVM核的块组成。结果：当评估预训练CNN网络与CSVM模型的性能时，CSVM（7x7, 3x3, 1x1）模型以94.03% ACC、96.09% SEN、92.01% SPE、92.19% PRE、94.10% F1分数、88.15% MCC和88.07% Kappa度量值表现出最高性能。结论：所提方法比其他方法更有效。实验证明其为抗击COVID及未来研究提供了启发。
关键词
引用
@article{arxiv.2011.05746,
title = {Classification of COVID-19 in Chest CT Images using Convolutional Support Vector Machines},
author = {Umut Özkaya and Şaban Öztürk and Serkan Budak and Farid Melgani and Kemal Polat},
journal= {arXiv preprint arXiv:2011.05746},
year = {2020}
}
备注
20 pages, 11 figures