Диагностическая оценка сверточной нейронной сети (CNN) для оценки рентгеновского снимка грудной клетки пациентов, инфицированных COVID-19

  • Найдите этого автора в Google Scholar
  • Найдите этого автора на PubMed
  • Искать этого автора на этом сайте
  • Найдите этого автора в Google Scholar
  • Найдите этого автора на PubMed
  • Искать этого автора на этом сайте

Абстрактный

Введение Основная цель COVID-19 - легкие, где он может вызвать пневмонию у тяжелобольных. Рентген грудной клетки - важный диагностический тест для оценки повреждающего воздействия COVID-19 на легкие. Многие другие микробные патогены также могут вызывать повреждение легких, приводящее к пневмонии, но есть определенные радиологические особенности, которые могут способствовать диагностике пневмонии, вызванной COVID-19. В связи с ростом числа случаев COVID-19 необходимо будет разработать компьютерные программы, которые могут помочь специалистам в области здравоохранения в преобладающем сценарии.

Материалы и методы . Всего двести семьдесят восемь (278) изображений рентгеновских лучей грудной клетки были оценены с применением архитектуры сверточной нейронной сети ResNet-50 в настоящем исследовании. Цифровые изображения были получены из общедоступных репозиториев, предоставленных Монреальским университетом и Национальными институтами здравоохранения. Эти цифровые изображения рентгеновских снимков грудной клетки были разделены на три группы, обозначенные как нормальные, пневмония и COVID-19. Третья группа содержит цифровые изображения рентгеновских снимков грудной клетки пациентов с диагнозом COVID-19, а вторая группа содержит изображения легких с пневмонией, вызванной другими патогенами 1win букмекерская контора мобильная версия.

Результаты Радиологические изображения, включенные в набор данных, включают 89 изображений легких с инфекцией COVID-19, 93 изображения легких без каких-либо радиологических отклонений и 96 изображений пациента с пневмонией, вызванной другими патогенами. В этом наборе данных 80% изображений использовались для обучения и 20% для тестирования. Предварительно обученная (на наборе данных ImageNet) архитектура ResNet-50 использовалась для диагностики случаев заражения COVID-19 на рентгеновских снимках легких. Анализ данных показал, что программа на основе компьютерного зрения достигла диагностической точности 98,18%, а F1-показатель 98,19.

Заключение Эффективность сверточной нейронной сети в отношении дифференциации легочных изменений, вызванных COVID-19, от других типов пневмоний на цифровых изображениях рентгеновских снимков грудной клетки превосходна, и она может быть чрезвычайно полезным вспомогательным инструментом для специалистов в области здравоохранения.

Заявление о конкурирующих интересах

Авторы заявили об отсутствии конкурирующих интересов.

Отчет о финансировании

финансирование не получено

Заявления автора

Были соблюдены все соответствующие этические принципы; были получены все необходимые разрешения IRB и / или комитета по этике, а подробная информация об IRB / надзорном органе включена в рукопись.

Получено все необходимое согласие пациента / участника и заархивированы соответствующие институциональные формы.

Я понимаю, что все клинические испытания и любые другие проспективные интервенционные исследования должны быть зарегистрированы в одобренном ICMJE реестре, таком как ClinicalTrials.gov. Я подтверждаю, что любое такое исследование, указанное в рукописи, было зарегистрировано и предоставлен идентификатор регистрации исследования (примечание: при публикации проспективного исследования, зарегистрированного ретроспективно, просьба предоставить заявление в поле идентификатора исследования, объясняющее, почему исследование не было зарегистрировано заранее) .

Я выполнил все соответствующие инструкции по составлению отчетов об исследованиях и загрузил соответствующие контрольные списки отчетов по исследованиям сети EQUATOR и другие соответствующие материалы в качестве дополнительных файлов, если применимо.

Доступность данных

данные получены из общедоступных репозиториев, предоставленных Монреальским университетом и Национальными институтами здравоохранения.

Популярные слоты

Автор: Петр Даутов
Дата публикации: 05.27.2021
Рейтинг:
4.4