开发一种将肺部 CT 扫描图像分类为正常/COVID-19 类的机器学习系统
图像与视频处理
2020-04-29 v1 机器学习
机器学习
摘要
近来,由冠状病毒病(COVID-19)引起的肺部感染影响了全球大量人群,评估肺部感染率对于治疗规划至关重要。本研究旨在提出一种机器学习系统(MLS)以利用 CT 扫描切片(CTS)检测 COVID-19 感染。该 MLS 实现了一系列方法,如多阈值化、使用阈值滤波的图像分离、特征提取、特征选择、特征融合和分类。初始部分实现混沌蝙蝠算法与 Kapur 熵(CBA+KE)阈值化以增强 CTS。阈值滤波器基于所选阈值 'Th' 将图像分离为两段。这些图像的纹理特征被提取、精炼并使用所选程序进行选择。最后,实现一个两类分类器系统,将所选 CTS(n=500,像素尺寸为 512x512x1)分类为正常/COVID-19 组。在这项工作中,实现了朴素贝叶斯(NB)、k 近邻(KNN)、决策树(DT)、随机森林(RF)和带线性核的支持向量机(SVM)等分类器,并使用各种特征向量执行分类任务。SVM 与融合特征向量(FFV)的实验结果有助于达到 89.80% 的检测准确率。
引用
@article{arxiv.2004.13122,
title = {Development of a Machine-Learning System to Classify Lung CT Scan Images into Normal/COVID-19 Class},
author = {Seifedine Kadry and Venkatesan Rajinikanth and Seungmin Rho and Nadaradjane Sri Madhava Raja and Vaddi Seshagiri Rao and Krishnan Palani Thanaraj},
journal= {arXiv preprint arXiv:2004.13122},
year = {2020}
}
备注
16 PAGES