基于深度卷积神经网络与二进制差分算法特征选择的 X 射线图像 COVID-19 检测
图像与视频处理
2021-10-06 v4 计算机视觉与模式识别
机器学习
摘要
新型冠状病毒正在迅速传播，迄今已夺去许多人的生命。该病毒对人体肺部具有破坏性影响，早期检测十分重要。深度卷积神经网络是分类图像的强大工具。因此，本文提出一种基于深度网络的混合方法。通过对图像应用深度卷积神经网络提取特征向量，并利用二进制差分元启发式算法选择有用特征。这些优化后的特征被输入 SVM 分类器。所考虑的数据库包含 COVID-19、肺炎和健康三类图像，共 1092 个 X 射线样本。所提方法达到了 99.43% 的准确率、99.16% 的灵敏度和 99.57% 的特异度。我们的结果表明，相较于近期基于 X 射线图像的 COVID-19 检测研究，所建议的方法更优。
引用
@article{arxiv.2104.07279,
title = {COVID-19 detection using deep convolutional neural networks and binary-differential-algorithm-based feature selection on X-ray images},
author = {Mohammad Saber Iraji and Mohammad-Reza Feizi-Derakhshi and Jafar Tanha},
journal= {arXiv preprint arXiv:2104.07279},
year = {2021}
}
备注
This is a preprint of an article published in "Complexity". The final authenticated version is available online at: https://www.hindawi.com/journals/complexity/2021/9973277/