使用深度学习和迁移学习算法从 X 射线与 CT 图像诊断 COVID-19 肺炎
图像与视频处理
2020-04-02 v1 计算机视觉与模式识别
机器学习
摘要
COVID-19（亦称 2019 新型冠状病毒）首次出现于中国武汉，以前所未有的影响蔓延全球，现已成为现代时代最严重的危机。COVID-19 已被证明具有更强的诊断需求，促使研究人员开发更智能、高响应和高效的检测方法。本工作中，我们专注于提出可供放射科医生或医疗专业人员快速准确诊断 COVID-19 病例的 AI 工具。然而，缺乏公开可用的 X 射线和 CT 图像数据集使得此类 AI 工具的设计成为一项挑战性任务。为此，本研究旨在构建来自多源的 X 射线和 CT 扫描图像综合数据集，并利用深度学习和迁移学习算法提供一种简单但有效的 COVID-19 检测技术。为此，将简单卷积神经网络（CNN）和改进的预训练 AlexNet 模型应用于所准备的 X 射线和 CT 扫描图像数据集。实验结果显示，所用模型通过预训练网络可提供高达 98% 的准确率，而使用改进的 CNN 可达到 94.1% 的准确率。
引用
@article{arxiv.2004.00038,
title = {Diagnosing COVID-19 Pneumonia from X-Ray and CT Images using Deep Learning and Transfer Learning Algorithms},
author = {Halgurd S. Maghdid and Aras T. Asaad and Kayhan Zrar Ghafoor and Ali Safaa Sadiq and Muhammad Khurram Khan},
journal= {arXiv preprint arXiv:2004.00038},
year = {2020}
}
备注
8 pages, 8 figures