基于卷积神经网络特征的多类胸部X射线图像Covid-19患者检测
图像与视频处理
2020-12-11 v1 计算机视觉与模式识别
机器学习
摘要
Covid-19是一种非常严重的致命疾病，已被世界卫生组织(WHO)宣布为大流行。全世界正竭尽全力尽快终结给各国带来严重健康与经济问题的Covid-19大流行。其中最重要的是正确识别Covid-19感染者。支持逆转录聚合酶链反应(RT-PCR)检测的方法与途径已开始见于文献。本研究使用易于快速获取的胸部X射线图像，因为covid-19攻击呼吸系统。利用卷积神经网络模型之一的残差网络(ResNet-50)从这些图像中提取特征，并通过支持向量机获得分类性能。在以5折交叉验证方法获得Covid-19检测时，支持向量机(SVM)-二次型取得了96.35%的最高灵敏度值，而SVM-二次型与SVM-立方型均取得了高于99%的最高总体性能值。依据这些高水平结果，认为所研究的方法将有助于放射科专家并降低误检率。
引用
@article{arxiv.2012.05525,
title = {Detection of Covid-19 Patients with Convolutional Neural Network Based Features on Multi-class X-ray Chest Images},
author = {Ali Narin},
journal= {arXiv preprint arXiv:2012.05525},
year = {2020}
}
备注
Presented at 2020 Medical Technologies Congress, TIPTEKNO2020 (IEEE)