使用深度神经网络预测肺炎与 COVID-19
图像与视频处理
2023-08-22 v1 计算机视觉与模式识别
摘要
由细菌与病毒引发的肺炎是一种具有全球影响的快速传播病毒感染。及时识别感染者对于遏制其传播至关重要。本研究探索医学图像分析应对该挑战的潜力。我们提出从胸部 X 射线图像预测肺炎的机器学习技术。胸部 X 射线成像因其可及性与成本效益而成为肺炎诊断的重要手段。然而，解读 X 射线以检测肺炎可能较为复杂，因为放射学特征可与其他呼吸道疾病重叠。我们使用肺炎患者的胸部 X 射线图像，评估包括 DenseNet121、Inception Resnet-v2、Inception Resnet-v3、Resnet50 与 Xception 在内的不同机器学习模型性能。采用性能度量与混淆矩阵对模型进行评估与比较。结果显示 DenseNet121 优于其他模型，准确率达 99.58%。本研究强调了机器学习在利用胸部 X 射线图像精确检测肺炎中的重要性。我们的研究为技术通过精准诊断减缓肺炎传播之潜力提供了见解。
引用
@article{arxiv.2308.10368,
title = {Prediction of Pneumonia and COVID-19 Using Deep Neural Networks},
author = {M. S. Haque and M. S. Taluckder and S. B. Shawkat and M. A. Shahriyar and M. A. Sayed and C. Modak},
journal= {arXiv preprint arXiv:2308.10368},
year = {2023}
}