GSA-DenseNet121-COVID-19：基于引力搜索优化算法的 COVID-19 疾病诊断混合深度学习架构
图像与视频处理
2021-02-12 v1 神经与进化计算
摘要
本文提出一种称为 GSA-DenseNet121-COVID-19 的新方法，该方法基于混合卷积神经网络（CNN）架构并使用优化算法。所使用的 CNN 架构称为 DenseNet121，所使用的优化算法称为引力搜索算法（GSA）。GSA 用于确定 DenseNet121 架构超参数的最佳值，并通过胸部 X 射线图像分析在诊断 COVID-19 疾病时达到高准确率。所得结果表明，所提方法能够正确分类测试集中 98% 的样本。为测试 GSA 在设定 DenseNet121 超参数最优值方面的效能，将其与另一种称为社交滑雪驱动（SSD）的优化算法进行比较。比较结果证明了所提 GSA-DenseNet121-COVID-19 的效能及其比 SSD-DenseNet121 更好诊断 COVID-19 疾病的能力，因为后者仅能诊断测试集中 94% 的样本。此外，所提方法与基于称为 Inception-v3 的 CNN 架构的方法以及用于确定超参数值的手动搜索方法进行比较。比较结果表明，GSA-DenseNet121 能够击败另一种方法，因为后者仅能分类测试集样本的 95%。
引用
@article{arxiv.2004.05084,
title = {GSA-DenseNet121-COVID-19: a Hybrid Deep Learning Architecture for the Diagnosis of COVID-19 Disease based on Gravitational Search Optimization Algorithm},
author = {Dalia Ezzat and Aboul ell Hassanien and Hassan Aboul Ella},
journal= {arXiv preprint arXiv:2004.05084},
year = {2021}
}
备注
29 pages - 7 Figures - 5 Tables