当前位置:
X-MOL 学术
›
Neural Comput. & Applic.
›
论文详情
Our official English website, www.x-mol.net, welcomes your
feedback! (Note: you will need to create a separate account there.)
基于使用胸部 CT 图像的深度学习和机器学习融合技术的 COVID-19 分类
Neural Computing and Applications ( IF 4.5 ) Pub Date : 2023-12-29 , DOI: 10.1007/s00521-023-09346-7 Gerges M. Salama , Asmaa Mohamed , Mahmoud Khaled Abd-Ellah
"点击查看英文标题和摘要"
更新日期:2023-12-29
Neural Computing and Applications ( IF 4.5 ) Pub Date : 2023-12-29 , DOI: 10.1007/s00521-023-09346-7 Gerges M. Salama , Asmaa Mohamed , Mahmoud Khaled Abd-Ellah
受 SARS-CoV-2 影响的冠状病毒病 (COVID-19) 是二十一世纪面临的最大挑战之一。过去两年,新冠肺炎 (COVID-19) 在全球爆发,造成多人受伤和死亡。计算机辅助诊断已成为防止这种病毒传播的必要工具。早期检测 COVID-19 对于降低患者的死亡风险至关重要。研究人员寻求基于机器学习和深度学习技术的快速解决方案。在本文中,我们介绍了一种基于机器学习和深度学习模型的 COVID-19 检测混合模型。我们使用 10 种不同的深度 CNN 网络模型从 CT 图像中提取特征。我们从每个网络的不同层中提取特征,并找到为每个 CNN 网络提供最佳提取特征的最佳层。然后,为了对这些特征进行分类,我们使用了基于机器学习的五种不同的分类器。该数据集由 2481 张 CT 图像组成,分为 COVID-19 和非 COVID-19 类别。在测试和训练之间提取了三个不同大小的折叠。通过实验,我们定义了所有使用的 CNN 网络的最佳层、最佳网络和最佳使用的分类器。测量的性能显示了所提出的系统相对于文献的优越性,最高精度为 99.39%。我们的模型经过三重测试,获得了最大平均准确度。结果是98.69%。
"点击查看英文标题和摘要"