卡塔尔世界杯8强波胆分析

摘要

背景:

2019年冠状病毒病(COVID-19)已被宣布为大流行，引起了全世界的关注。肺部炎症和呼吸衰竭常见于中重度病例。胸部x光(CXR)成像是诊断的必要条件，通常由熟练的医学专家进行解释。许多使用机器学习方法(如深度学习(DL))进行的研究具有可接受的准确性;然而，计算时间等其他维度的讨论要少得多。

摘要目的:

我们的工作动机是开发一种新的计算机辅助诊断(CADx)工具，用于使用基于多层分类架构的多种机器学习技术识别COVID-19感染的CXR图像。该方法在计算时间最短的条件下运行，分类效果良好。

方法:

在这项回顾性研究中，使用多种机器学习技术(包括决策树(DT)、支持向量机(SVM)和神经网络(nn))分析了5个公共数据集的4,200张CXR图像。首先，进行了图像分割、图像增强和特征提取技术。其次，根据分类性能选择机器学习技术。最后，将选择的机器学习技术组装成COVID-19多层混合分类模型(MLHC-COVID-19)。具体来说，MLHC-COVID-19由两层组成，第一层:健康和不健康;第二层:COVID-19和非COVID-19。

结果:

MLHC-COVID-19采用各种数据库中的真实COVID-19病例进行评估。分类结果显示，在最短的处理时间内，分类准确率、灵敏度和特异度分别达到0.962、0.962和0.971。这证明了MLHC-COVID-19对CXR图像分类的有效性，在减少解译时间的同时提高了CXR图像解译的准确性。基于网络的MLHC-COVID-19 CADx (http://psuva.com/mlhc)已开发供公众使用。

结论:

MLHC-COVID-19的分类结果令人鼓舞。本文提出并讨论了MLHC-COVID-19与其他最先进的深度学习技术之间的比较。MLHC-COVID-19可以在未来的工作中得到改进。有些限制是明确规定的。整个过程是半自动化的。CXR原始图像在与MLHC-COVID-19分类之前必须进行预处理。