Un CNN ligero y equilibrio de peso de clase en imágenes de radiografías de tórax para la detección de COVID-19
Autores: Alduaiji, Noha; Algarni, Abeer; Abdalaha Hamza, Saadia; Abdel Azim, Gamil; Hamam, Habib
Idioma: Inglés
Editor: MDPI
Año: 2022
Acceso abierto
Artículo científico
2022
Un CNN ligero y equilibrio de peso de clase en imágenes de radiografías de tórax para la detección de COVID-19
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería Eléctrica y Electrónica
Palabras clave
Covid-19
Rt-pcr
Radiografías de tórax
Entrenamiento de cnn
Desequilibrio de clases
Aumento de datos
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 26
Citaciones: Sin citaciones
En muchos lugares, se utilizan pruebas de reacción en cadena de la polimerasa con transcriptasa inversa (RT-PCR) para identificar COVID-19. Podría tardar más de 48 h. Es un factor clave en su gravedad y rápida propagación. Las imágenes de radiografías de tórax se utilizan para diagnosticar COVID-19. Lo cual generalmente aborda el problema de la clasificación desequilibrada. El propósito de este documento es mejorar la capacidad de la CNN para mostrar imágenes de radiografías de tórax cuando hay un desequilibrio de clases. El entrenamiento de la CNN ha finalizado al corregir las clases para usar más ejemplos. Además, el conjunto de datos de entrenamiento utiliza aumento de datos. El logro del método propuesto se evalúa en dos conjuntos de datos de imágenes de radiografías de tórax. La eficiencia del modelo propuesto se analizó utilizando criterios como precisión, especificidad, sensibilidad y puntuación F1. El método propuesto alcanzó una precisión del 94% en los casos peores, 97% en los casos promedio y 100% en los mejores casos, respectivamente, y una puntuación F1 del 96% en los casos peores, 98% en los casos promedio y 100% en los mejores casos, respectivamente.
Descripción
En muchos lugares, se utilizan pruebas de reacción en cadena de la polimerasa con transcriptasa inversa (RT-PCR) para identificar COVID-19. Podría tardar más de 48 h. Es un factor clave en su gravedad y rápida propagación. Las imágenes de radiografías de tórax se utilizan para diagnosticar COVID-19. Lo cual generalmente aborda el problema de la clasificación desequilibrada. El propósito de este documento es mejorar la capacidad de la CNN para mostrar imágenes de radiografías de tórax cuando hay un desequilibrio de clases. El entrenamiento de la CNN ha finalizado al corregir las clases para usar más ejemplos. Además, el conjunto de datos de entrenamiento utiliza aumento de datos. El logro del método propuesto se evalúa en dos conjuntos de datos de imágenes de radiografías de tórax. La eficiencia del modelo propuesto se analizó utilizando criterios como precisión, especificidad, sensibilidad y puntuación F1. El método propuesto alcanzó una precisión del 94% en los casos peores, 97% en los casos promedio y 100% en los mejores casos, respectivamente, y una puntuación F1 del 96% en los casos peores, 98% en los casos promedio y 100% en los mejores casos, respectivamente.