TY -的A2 - Chen Jyh-Cheng盟——Taresh Mundher默罕默德盟——朱,宁波AU -阿里,塔拉尔阿里盟——Hameed项目Shakir盟——Mutar莫迪弗塔PY - 2021 DA - 2021/05/15 TI -学习转移到从x射线图像使用卷积神经网络自动检测COVID-19 SP - 8828404六世- 2021 AB - 2019新型冠状病毒病(COVID-19)是一种传染性疾病,造成数千人死亡和感染全世界数百万。因此,各种技术,允许COVID-19感染高精度的快速检测可以提供医疗保健专业人员急需的帮助。本研究的目的是评估的有效性最先进的pretrained卷积神经网络(cnn)的自动诊断COVID-19从胸部x射线(CXRs)。实验中使用的数据集由1200年与COVID-19 CXR图像从个人、1345 CXR图像从个人与病毒性肺炎,1341从健康人CXR图像。在这篇文章中,人工智能(AI)的有效性从CXR COVID-19的快速和准确识别图像已经探索了基于不同pretrained深度学习算法和精确检测准确性最大化来确定最好的算法。结果表明,深度学习与x射线成像收集关键是有用的生物标记与COVID-19感染有关。VGG16 MobileNet获得最高98.28%的准确性。然而,VGG16比其他所有模型COVID-19检测准确性,F1得分,精度,特异性,敏感性为98.72%,97.59%,96.43%,98.70%,和98.78%,分别。的杰出表现这些pretrained模型可以显著提高COVID-19诊断的速度和准确性。然而,一个更大的数据集的COVID-19 x射线图像的更准确和可靠的识别需要COVID-19感染使用深转移时学习。 This would be extremely beneficial in this pandemic when the disease burden and the need for preventive measures are in conflict with the currently available resources. SN - 1687-4188 UR - https://doi.org/10.1155/2021/8828404 DO - 10.1155/2021/8828404 JF - International Journal of Biomedical Imaging PB - Hindawi KW - ER -