POSTER：基于迁移学习技术的 CT 扫描新冠肺炎诊断——深度学习模型比较
图像与视频处理
2022-12-22 v1 计算机视觉与模式识别
摘要
新型冠状病毒病（COVID-19）构成了全球公共卫生紧急事件。这是一种致命疾病，已感染全球超过 2.3 亿人。因此，对 COVID-19 进行早期且可靠的检测十分必要。该病毒的证据最常通过 RT-PCR 检测进行检验。该检测并非 100% 可靠，已知会产生假阳性和假阴性。诸如 X 射线图像或 CT 扫描等其他方法可显示肺部的详细成像，且已被证明更为可靠。本文比较了用于在 CT 扫描数据集上通过迁移学习技术检测 COVID-19 的不同深度学习模型。VGG-16 优于所有其他模型，在数据集上达到了 85.33% 的准确率。
引用
@article{arxiv.2203.09348,
title = {POSTER: Diagnosis of COVID-19 through Transfer Learning Techniques on CT Scans: A Comparison of Deep Learning Models},
author = {Aeyan Ashraf and Asad Malik and Zahid Khan},
journal= {arXiv preprint arXiv:2203.09348},
year = {2022}
}