CVD网 swMATH编号： 41772 软件作者： Ouchicha，Chaimae；阿莫尔，瓦法埃；穆罕默德·梅克纳西 描述： CVDNet：一种新的深度学习架构，用于从胸部X射线图像检测冠状病毒（Covid-19）。新冠肺炎大流行是一种新出现的呼吸道传染病，也称为2019年冠状病毒。它于2019年11月出现在湖北省（中国），更具体地说，出现在武汉市，然后在全球传播。随着病例数量以前所未有的速度增长，世界许多地区都面临着资源和测试的短缺。面对这个问题，医生、科学家和工程师，包括人工智能（AI）专家，鼓励开发深度学习模型，以帮助医疗专业人员从胸部X光图像中检测新冠肺炎，并在很短的时间内以低成本确定感染的严重性。在本文中，我们提出了CVDNet，一种深度卷积神经网络（CNN）模型，利用胸部X光图像对正常和其他肺炎病例中的COVID-19感染进行分类。该结构基于残差神经网络，使用两个不同核大小的并行层来捕获输入的局部和全局特征。该模型基于一个公开的数据集进行训练，该数据集包含219个新冠肺炎、1341个正常肺炎和1345个病毒性肺炎胸部x射线图像。实验结果表明，我们的CVDNet。这些结果在小数据集上表现出良好的分类性能，可以使用更多的训练数据进一步获得更好的结果。总的来说，我们的CVDNet模型可以成为一个有趣的工具，帮助放射科医生诊断和早期检测新冠肺炎病例。 主页： https://www.sciencedirect.com/science/article/pii/S096007792030641X 关键词： 深度学习;卷积神经网络;新冠肺炎;冠状病毒;分类;胸部X射线图像 相关软件： COVID-网络;github;Xception公司;冠状病毒-CXNet;HyperNOMAD公司;CovXNet公司;亚当 引用于： 2文件 标准条款 1出版物描述软件，包括1出版物以zbMATH为单位 年份 CVDNet：一种新的深度学习结构，用于从胸部X射线图像检测冠状病毒（Covid-19）Ouchicha，Chaimae；阿莫尔，瓦法埃；穆罕默德·梅克纳西 2020 全部的 前5名被7位作者引用 1 伊夫蒂哈尔·艾哈迈德 1 纳贝拉·安瓦尔 1 布尔梅兹 1 阿迪卡·考萨尔·基亚尼 1 纳兹，沙法克 1 穆罕默德·阿西夫·扎胡尔·拉贾 1 穆罕默德·绍伊布 2篇连载文章中引用 1 运筹学年鉴 1 国际生物数学杂志 在4个字段中引用 1 常微分方程（34-XX） 1 数值分析（65-XX） 1 计算机科学（68至XX） 1 生物学和其他自然科学（92-XX） 按年份列出的引文