TY -的A2 -埃雷拉,路易斯·哈维尔AU -艾哈迈德,法里德·盟——Farooq阿姆AU - Ghani穆罕默德乌斯曼PY - 2021 DA - 2021/01/12 TI -深系综分类模型的新型冠状病毒在胸部x光图像SP - 8890226六世- 2021 AB -新型冠状病毒,SARS-CoV-2,可致人死亡,造成COVID-19。传播的缓解,加上其高容量感染疾病和死亡的个体,使其成为一个风险社会。胸部x光检查是最常见的一种,但最难以解释射线探伤coronavirus-related感染的早期诊断。携带大量的解剖和生理信息,但有时困难甚至专家的放射科医师获得它们所包含的相关信息。自动分类中使用深度学习模型可以帮助更好地评估这些迅速感染。深CNN模型,即MobileNet、ResNet50 InceptionV3,应用不同的变化,包括培训模型从一开始,微调调整学习所有层的权重,和微调学会了体重的增加。微调pretrained模型增强产生最好的结果。表现最好的,两个模型(MobileNet和InceptionV3)对集成学习选择产生的准确性和FScore 95.18%和90.34%,95.75%和91.47%,分别。提出混合合奏模型生成的合并这些深模型产生一个分类的准确性和FScore 96.49%和92.97%。对测试数据集,分别保存,生成的模型准确性和FScore的94.19%和88.64%。 Automatic classification using deep ensemble learning can help radiologists in the correct identification of coronavirus-related infections in chest X-rays. Consequently, this swift and computer-aided diagnosis can help in saving precious human lives and minimizing the social and economic impact on society. SN - 1687-5265 UR - https://doi.org/10.1155/2021/8890226 DO - 10.1155/2021/8890226 JF - Computational Intelligence and Neuroscience PB - Hindawi KW - ER -