基于卷积神经网络迁移学习的 COVID-19 检测
图像与视频处理
2022-06-20 v1 计算机视觉与模式识别
摘要
2019 年新型冠状病毒病（COVID-19）是一种致命的传染病，于 2019 年 12 月首次在中国湖北武汉被发现，并演变为流行态势。在此情况下，对感染者进行 COVID-19 检测变得愈发重要。如今，相较于感染人口数量，检测试剂盒正逐渐短缺。在近期 prevailing 的形势下，通过分析胸部 CT（计算机断层扫描）图像诊断肺部疾病已成为 COVID-19 患者诊断与预后判断的重要工具。本研究提出了一种用于从 CT 图像中检测 COVID-19 感染的迁移学习策略（CNN）。在所提模型中，设计了一个结合迁移学习模型 Inception V3 的多层卷积神经网络（CNN）。与 CNN 类似，它利用卷积与池化提取特征，但该迁移学习模型包含数据集 Imagenet 的权重。因此它能非常有效地检测特征，从而在获得更高准确率方面具有优势。
引用
@article{arxiv.2206.08557,
title = {COVID-19 Detection using Transfer Learning with Convolutional Neural Network},
author = {Pramit Dutta and Tanny Roy and Nafisa Anjum},
journal= {arXiv preprint arXiv:2206.08557},
year = {2022}
}
备注
4 pages, 4 figures, 2nd International Conference on Robotics, Electrical and Signal Processing Techniques (ICREST), DHAKA, Bangladesh