TY -的A2 -艾哈迈德,默罕默德盟——Alhwaiti尤瑟夫盟——Siddiqi穆罕默德Hameed盟——Alruwaili Madallah盟——Alrashdi易卜拉欣盟——Alanazi Saad盟——贾马尔,穆罕默德•哈桑PY - 2021 DA - 2021/09/13 TI -诊断COVID-19使用深度学习模型在不同的放射学领域SP - 1296755六世- 2021 AB -由COVID-19受到严重影响,许多国家和各种伤亡报告。大多数国家已经实现全部和部分控制COVID-19封锁。辅助医务的雇员感染总是一个威胁的发现。一线辅助医务的员工最初可能是风险观察和治疗病人的时候,谁能通过呼吸道分泌物污染他们。如果没有适当的预防措施,一线辅助医务的工人将被污染的危险,可以成为无意识的运营商为其他疾病的病人在医院和治疗。此外,每个国家都有有限的测试能力;因此,需要一个系统可以帮助医生直接检查和分析病人的血液结构。本研究提出了一种广义自适应深度学习模型,帮助一线辅助医务的员工容易检测COVID-19在不同的放射学领域。在这项工作中,我们使用卷积神经网络设计了一个模型来检测COVID-19从x射线计算机断层扫描(CT)和磁共振成像(MRI)的图像。该模型有27层(输入、卷积max-pooling,辍学,平,密集,和输出层),已测试和验证各种放射学领域如x光,CT和MRI。 For experiments, we utilized 70% of the dataset for training and 30% for testing against each dataset. The weighted average accuracies for the proposed model are 94%, 85%, and 86% on X-ray, CT, and MRI, respectively. The experiments show the significance of the model against state-of-the-art works. SN - 1076-2787 UR - https://doi.org/10.1155/2021/1296755 DO - 10.1155/2021/1296755 JF - Complexity PB - Hindawi KW - ER -