用于COVID-19 X射线图像分类的深度学习算法比较分析
图像与视频处理
2021-10-19 v1 计算机视觉与模式识别
机器学习
摘要
新型冠状病毒于2019年12月首次在中国武汉出现，并迅速蔓延至全球。它对全球经济、教育、社会、日常生活及人类整体健康造成了极其有害的影响。为在初期限制疾病的快速蔓延，主要困难在于尽快发现新冠阳性患者。由于缺乏可用的自动检测工具，对辅助诊断工具的需求日益增加。先前基于放射学技术的研究结果表明，此类图像包含与冠状病毒相关的重要细节。将改进的人工智能（AI）系统与X光图像结合使用，有助于实现对该病毒的精准求解，并有助于克服偏远乡村专业医生短缺的问题。在我们的研究中，我们分析了使用胸部X光图像检测COVID-19的不同技术，考察了不同的预训练CNN模型 AlexNet、VGG-16、MobileNet-V2、SqeezeNet、ResNet-34、ResNet-50 和 COVIDX-Net，以完善COVID-19分类系统的分析。我们的研究表明，采用 ResNet-34 技术的预训练CNN模型具有更高的准确率（98.33）、精确率（96.77%）和 F1 分数（98.36），优于其他CNN技术。我们的模型可能有助于研究人员对CNN模型进行微调，以实现对COVID患者的快速筛查。
引用
@article{arxiv.2110.09294,
title = {Comparative Analysis of Deep Learning Algorithms for Classification of COVID-19 X-Ray Images},
author = {Unsa Maheen and Khawar Iqbal Malik and Gohar Ali},
journal= {arXiv preprint arXiv:2110.09294},
year = {2021}
}