基于深度学习模型的 COVID-19 病例医学影像分类
图像与视频处理
2023-10-27 v1 计算机视觉与模式识别
摘要
近年来，胸部计算机断层扫描（CT）图像因能够揭示患者的双侧改变而被广泛用于检测冠状病毒感染。然而，从医学影像中对患者进行分类是一项艰巨的挑战，尤其是在识别此类双侧改变方面。为应对这一挑战，我们的研究利用深度学习模型的力量对感染患者进行精确分类。我们的研究对基于深度迁移学习的分类模型（包括 DenseNet201、GoogleNet 和 AlexNet）与精心挑选的监督学习模型进行了对比分析。此外，我们的工作涵盖 Covid-19 分类，涉及对表现出 Covid-19 感染特征的医学影像（如 X 射线和心电图）的识别与区分。这种全面的方法确保了我们的模型能够处理广泛的医学影像类型，并有效识别指示 Covid-19 的特征模式。通过细致的研究和先进的深度学习技术，我们在提高 Covid-19 诊断的准确性和速度方面取得了显著进展。我们的结果证明了这些模型的有效性及其为全球抗击 COVID-19 努力做出重大贡献的潜力。
引用
@article{arxiv.2310.16851,
title = {Deep Learning Models for Classification of COVID-19 Cases by Medical Images},
author = {Amir Ali},
journal= {arXiv preprint arXiv:2310.16851},
year = {2023}
}
备注
Master's thesis