电气工程与系统科学 > 图像与视频处理
[提交于 2025年1月28日
]
标题: 基于 computed tomography (CT) 扫描图像的增强型 COVID-19 检测的混合深度学习 CNN 模型
标题: A Hybrid Deep Learning CNN Model for Enhanced COVID-19 Detection from Computed Tomography (CT) Scan Images
摘要: 早期检测 COVID-19 对于有效治疗和控制其传播至关重要。 本研究提出了一种新颖的混合深度学习模型,用于从 CT 扫描图像中检测 COVID-19,旨在协助负担过重的医疗专业人员。 我们提出的模型利用了 VGG16、DenseNet121 和 MobileNetV2 的优势来提取特征,随后通过主成分分析(PCA)进行降维,然后将特征堆叠并使用支持向量分类器(SVC)进行分类。 我们对所提出的混合模型与各个预训练的 CNN 模型进行了比较分析,使用了一个包含 2,108 张训练图像和 373 张测试图像的数据集,其中包括 COVID 阳性和非 COVID 图像。 我们提出的混合模型达到了 98.93% 的准确率,在精确度、召回率、F1 分数和 ROC 曲线性能方面优于各个单独模型。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.