使用深度学习两阶段方法的 COVID-19 分类
图像与视频处理
2022-11-30 v1 计算机视觉与模式识别
机器学习
摘要
在本文中，基于深度学习的方法，即预训练卷积神经网络（VGG16 和 VGG19）的微调以及所开发 CNN 模型的端到端训练，已被用于将 X 射线图像分类为四个不同类别，包括 COVID-19、正常、不透明和肺炎病例。从 Kaggle 检索了一个包含超过 20,000 张 X 射线扫描图像的数据集，并用于本实验。实施了一种两阶段分类方法，以与一次性分类方法进行比较。我们的假设是，两阶段模型将能够实现比一次性模型更好的性能。我们的结果却显示相反，因为 VGG16 在 5 折训练上使用一次性方法达到了 95% 的准确率。未来的工作将专注于更稳健地实现两阶段分类模型 Covid-TSC。主要的改进将是允许数据从阶段 1 的输出流向阶段 2 的输入，其中阶段 1 和阶段 2 模型都是在 Covid-19 数据集上微调的 VGG16 模型。
引用
@article{arxiv.2211.15817,
title = {COVID-19 Classification Using Deep Learning Two-Stage Approach},
author = {Mostapha Alsaidi and Ali Saleem Altaher and Muhammad Tanveer Jan and Ahmed Altaher and Zahra Salekshahrezaee},
journal= {arXiv preprint arXiv:2211.15817},
year = {2022}
}