|
Эта публикация цитируется в 1 научной статье (всего в 1 статье)
ОБРАБОТКА ИЗОБРАЖЕНИЙ, РАСПОЗНАВАНИЕ ОБРАЗОВ
Обнаружение коронавирусной инфекции COVID-19 на основе анализа рентгеновских снимков грудной клетки методами глубокого обучения
Е.Ю. Щетинин Финансовый университет при Правительстве Российской Федерации, г. Москва
Аннотация:
Раннее выявление пациентов с коронавирусной инфекцией COVID-19 имеет важное значение для обеспечения их адекватного лечения и снижения нагрузки на систему здравоохранения. Эффективным методом обнаружения COVID-19 является компьютерный анализ рентгеновских снимков грудной клетки методами глубокого обучения. В работе предложена методология, состоящая из этапов стандартизации размеров рентгеновских снимков к (224, 224), их классификации с использованием глубоких сверточных нейронных сетей Xception, InceptionResNetV2, MobileNetV2, DenseNet121, ResNet50 и VGG16, предварительно обученных на наборе данных ImageNet, а затем настроенных на наборе рентгеновских снимков грудной клетки. Результаты компьютерных экспериментов показали, что модель VGG16 с тонкой настройкой параметров продемонстрировала максимальную эффективность в классификации COVID-19 с показателями точности (accuracy) 99,09%, полнота (recall) 99,483%, прецизионность (precision) 99,08%.
Ключевые слова:
COVID-19, рентгеновские снимки грудной клетки, глубокое обучение, сверточные нейронные сети
Поступила в редакцию: 02.12.2021 Принята в печать: 25.06.2022
Образец цитирования:
Е.Ю. Щетинин, “Обнаружение коронавирусной инфекции COVID-19 на основе анализа рентгеновских снимков грудной клетки методами глубокого обучения”, Компьютерная оптика, 46:6 (2022), 963–970
Образцы ссылок на эту страницу:
https://www.mathnet.ru/rus/co1092 https://www.mathnet.ru/rus/co/v46/i6/p963
|
Статистика просмотров: |
Страница аннотации: | 36 | PDF полного текста: | 12 |
|