基于预训练深度学习方法检测猴痘病毒
图像与视频处理
2022-10-07 v2 计算机视觉与模式识别
机器学习
摘要
随着全球 COVID-19 病毒感染的下降，猴痘病毒正缓慢出现。人们对其感到恐惧，认为它会像 COVID-19 一样成为大流行。因此，在社区广泛传播前尽早发现至关重要。基于 AI 的检测有助于在早期识别。本文旨在比较 13 种不同的预训练深度学习（DL）模型用于猴痘病毒检测。为此，我们首先为所有模型添加通用自定义层进行微调，并使用四个公认指标：精确率、召回率、F1 分数和准确率分析结果。在确定性能最佳的 DL 模型后，我们通过对其概率输出进行多数投票将它们集成，以提升整体性能。我们在公开数据集上实验，借助所提集成方法分别取得平均精确率、召回率、F1 分数和准确率 85.44%、85.47%、85.40% 和 87.13%。这些优于 SOTA 方法的鼓舞性结果表明，所提方法可应用于卫生从业者进行大规模筛查。
引用
@article{arxiv.2209.04444,
title = {Monkeypox virus detection using pre-trained deep learning-based approaches},
author = {Chiranjibi Sitaula and Tej Bahadur Shahi},
journal= {arXiv preprint arXiv:2209.04444},
year = {2022}
}
备注
Under consideration in Journal of Medical Systems