新冠肺炎检测中 X 射线图像分类的神经网络模型比较
图像与视频处理
2025-01-09 v1 机器学习
摘要
本研究 presents 对检测新冠肺炎感染在放射学图像中方法的比较分析。图像来自公开数据集，分为三类：'normal'、'pneumonia' 和 'COVID'。实验中采用了八个预训练网络进行迁移学习：SqueezeNet、DenseNet、ResNet、AlexNet、VGG、GoogleNet、ShuffleNet 和 MobileNet。在多类方法中，DenseNet 使用 ADAM 优化函数实现了 97.64% 的最高准确率。在二分类方法中，VGG、ResNet 和 MobileNet 网络获得了 99.98% 的最高精度。还进行了基于热图的比较评估。
引用
@article{arxiv.2501.04196,
title = {Comparison of Neural Models for X-ray Image Classification in COVID-19 Detection},
author = {Jimi Togni and Romis Attux},
journal= {arXiv preprint arXiv:2501.04196},
year = {2025}
}
备注
9 pages, 7 tables, 5 figures. XXXIX SIMPOSIO BRASILEIRO DE TELECOMUNICACOES E PROCESSAMENTO DE SINAIS - SBrT 2021