基于 CNN 模型的 COVID-19 心电图分类
机器学习
2021-12-17 v1 人工智能
信号处理
摘要
随着 COVID-19 的周期性起伏以及众多国家受其影响，全球科学家、研究人员和医生已开展大量工作。亟需及时干预以遏制该疾病的肆意传播。人工智能（AI）的落地借助深度学习算法基本原理，为数字健康领域作出重大贡献。本研究提出一种新方法，利用心电图（ECG）数据并结合深度学习算法（具体为卷积神经网络（CNN）模型）自动诊断 COVID-19。所提框架使用了若干 CNN 模型，包括 VGG16、VGG19、InceptionResnetv2、InceptionV3、Resnet50 和 Densenet201。VGG16 模型以 85.92% 的准确率优于其余模型。我们的结果显示其余模型准确率相对 VGG16 较低，原因在于所用数据集规模较小，且仅对 VGG16 模型专门使用了网格搜索超参数优化方法。此外，我们的结果尚属初步，通过进一步扩充数据集并采用合适的超参数优化技术，有可能提升所有模型的准确率。
引用
@article{arxiv.2112.08931,
title = {COVID-19 Electrocardiograms Classification using CNN Models},
author = {Ismail Shahin and Ali Bou Nassif and Mohamed Bader Alsabek},
journal= {arXiv preprint arXiv:2112.08931},
year = {2021}
}
备注
5 pages, 4 figures, accepted in the 14th International Conference on Developments in eSystems Engineering, 7-10 December, 2021