融合卷积神经网络、支持向量机与 Sobel 滤波器利用 X 射线图像准确检测 COVID-19 患者
图像与视频处理
2021-02-16 v1 计算机视觉与模式识别
摘要
冠状病毒（COVID-19）是当前全球最常见的传染性疾病。该疾病的主要挑战在于早期诊断以防止继发感染及其在人与人之间的传播。因此，除临床流程外，必须使用自动诊断系统以快速诊断 COVID-19 从而防止其传播。利用肺部计算机断层扫描（CT）图像与胸部放射摄影的人工智能技术，有望在 COVID-19 诊断中获得高诊断性能。本研究提出融合卷积神经网络（CNN）、支持向量机（SVM）与 Sobel 滤波器，利用 X 射线图像检测 COVID-19。我们收集了一个新的 X 射线图像数据集，并使用 Sobel 滤波器进行高通滤波以获取图像边缘。随后将这些图像输入 CNN 深度学习模型，接着采用十折交叉验证策略的 SVM 分类器。该方法设计为使它能以较少数据学习。我们的结果表明，所提出的带 Sobel 滤波的 CNN-SVM（CNN-SVM+Sobel）在准确检测 COVID-19 中取得了 99.02% 的最高分类准确率。这表明使用 Sobel 滤波器可提升 CNN 性能。与多数其他研究不同，该方法未使用预训练网络。我们还使用六个公共数据库验证了所开发的模型并取得了最高性能。因此，我们开发的模型已可用于临床应用。
引用
@article{arxiv.2102.06883,
title = {Fusion of convolution neural network, support vector machine and Sobel filter for accurate detection of COVID-19 patients using X-ray images},
author = {Danial Sharifrazi and Roohallah Alizadehsani and Mohamad Roshanzamir and Javad Hassannataj Joloudari and Afshin Shoeibi and Mahboobeh Jafari and Sadiq Hussain and Zahra Alizadeh Sani and Fereshteh Hasanzadeh and Fahime Khozeimeh and Abbas Khosravi and Saeid Nahavandi and Maryam Panahiazar and Assef Zare and Sheikh Mohammed Shariful Islam and U Rajendra Acharya},
journal= {arXiv preprint arXiv:2102.06883},
year = {2021}
}