基于演化 Tsukamoto 神经模糊模型的胸部 X 光图像多类新冠肺炎分类
图像与视频处理
2023-05-18 v1 机器学习
神经与进化计算
摘要
由于人口快速增长以及需要使用人工智能来快速决策，开发基于机器学习的疾病检测模型和异常识别系统已极大提升了医疗诊断水平。由于 COVID-19 已成为世界上最严重的疾病之一，开发自动化的 COVID-19 检测框架有助于医生进行疾病诊断过程并提供正确快速的结果。在本文中，我们提出了一种基于机器学习的 Covid 19 检测框架。所提出的模型采用 Tsukamoto 神经模糊推理网络来识别并区分 Covid 19 疾病与正常及肺炎病例。虽然传统训练方法通过基于梯度的算法和递归最小二乘法调整神经模糊模型的参数，我们使用基于进化的优化方法——猫群算法来更新参数。此外，从胸部 X 光图像中提取的六个纹理特征被作为模型输入。最后，所提出的模型在胸部 X 光数据集上进行了 Covid 19 检测。仿真结果表明，所提出的模型达到了 98.51% 的准确率、98.35% 的灵敏度、98.08% 的特异性和 98.17% 的 F1 分数。
引用
@article{arxiv.2305.10421,
title = {Evolving Tsukamoto Neuro Fuzzy Model for Multiclass Covid 19 Classification with Chest X Ray Images},
author = {Marziyeh Rezaei and Sevda Molani and Negar Firoozeh and Hossein Abbasi and Farzan Vahedifard and Maysam Orouskhani},
journal= {arXiv preprint arXiv:2305.10421},
year = {2023}
}
备注
14 pages, 5 figures, 3 tables