TY -的A2 -叮,白元盟——Woan Ching,瑟瑞娜低非盟-赖,钦凌晨盟——Chuah俊黄盟——Hasikin Khairunnisa AU -卡里尔,Azira盟——钱,Pengjiang盟——夏,Kaijian盟——江,湖南盟——张Yuanpeng盟——Dhanalakshmi Samiappan PY - 2022 DA - 2022/04/28 TI -多级卷积神经网络分类的COVID-19 CT图像SP - 9167707六世末- 2022 AB - 2019年12月,在中国武汉,发现了一种新的冠状病毒。2020年3月,世卫组织宣布这种流行病已成为全球大流行的新型冠状病毒可能是温和的对大多数人来说。然而,有些人可能会经历一场严重的疾病,导致住院或死亡。COVID-19分类仍然具有挑战性由于歧义和与其他已知的呼吸道疾病,如SARS相似,即和其他病毒性肺炎。COVID-19的典型症状是发烧、咳嗽、发冷、气短、嗅觉和味觉丧失,头痛、喉咙痛、胸痛,混乱,和腹泻。本研究提出的概念转移学习使用确定性算法在所有二进制分类模型和评估各种CNN架构的性能。746 CT图像的数据集COVID-19和non-COVID-19分为训练、验证和测试。各种增强技术是应用于增加数据集的数量,除了测试图像。图像被pretrained利用CNN获得二进制类。ResNeXt101和ResNet152最好的F1得分0.978和0.938,而GoogleNet F1得分为0.762分。 ResNeXt101 and ResNet152 have an accuracy of 97.81% and 93.80%. ResNeXt101, DenseNet201, and ResNet152 have 95.71%, 93.81%, and 90% sensitivity, whereas ResNeXt101, ResNet101, and ResNet152 have 100%, 99.58%, and 98.33 specificity, respectively. SN - 1687-5265 UR - https://doi.org/10.1155/2022/9167707 DO - 10.1155/2022/9167707 JF - Computational Intelligence and Neuroscience PB - Hindawi KW - ER -