×

盖罩

swMATH ID: 41861
软件作者: 帕尼安·阿夫沙尔(Parnian Afshar)、沙欣·海达尔(Shahin Heidarian)、法努什·纳德哈尼(Farnoosh Naderkhani)、阿纳斯塔西亚·奥伊科诺莫(Anastasia Oikonomou
描述: COVID-CAPS:一个基于胶囊网络的框架,用于从X射线图像中识别COVID-19病例。新型冠状病毒病(COVID-19)在21世纪第二个十年末突然、毫无疑问地改变了世界。新冠肺炎具有极强的传染性,并在全球迅速传播,因此其早期诊断至关重要。新冠肺炎的早期诊断使卫生保健专业人员和政府当局能够打破过渡链,拉平疫情曲线。然而,常见的新型冠状病毒肺炎诊断测试需要特定的设备,并且灵敏度相对较低。另一方面,计算机断层扫描(CT)和X射线图像揭示了与该疾病相关的特定表现。与其他肺部感染的重叠使得以人为中心的新冠肺炎诊断具有挑战性。因此,人们迫切希望开发基于深度神经网络(DNN)的诊断解决方案,主要基于卷积神经网络(CNN),以帮助识别新冠肺炎阳性病例。然而,CNN很容易丢失图像实例之间的空间信息,并且需要大数据集。本文提出了一种基于胶囊网络的替代建模框架,称为COVID-CAPS,能够处理小型数据集,由于COVID-19的突然和快速出现,这一点非常重要。我们基于X射线图像数据集的结果表明,与以前基于CNN的模型相比,COVID-CAPS具有优势。冠盖的准确度达到95.7
主页: https://arxiv.org/abs/200402696
源代码:  https://github.com/ShahinSHH/COVID-CAPS
相关软件: CovXNet公司;COVID-网络;github;X感受;AlexNet公司;梯度-CAM;ImageNet公司;Simulink公司;Matlab公司;ReCoNet公司;CAiRE-COVID公司;新冠肺炎CXNet;CovidGAN公司;CovidCTNet公司;Covidex公司;阿帕奇火花;V网络;XGBoost公司
引用于: 0个文档