BriefGPT - AI 论文速递
·
使用深度卷积神经网络集合进行胸部 X 射线图像上的肺炎检测
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
该研究提出了一种基于卷积神经网络的两阶段分类框架，用于检测COVID-19和社区获得性肺炎的胸部CT图像。该框架在切片级分类上的准确率达到94％以上，并在三路分类中的COVID-19、CAP和健康分类上的准确度超过89.3％。经过验证，该框架的总体准确率达到90％，在评估中排名第一。
🎯
关键要点
- 该研究提出了一种基于卷积神经网络的两阶段分类框架。
- 该框架用于检测COVID-19和社区获得性肺炎的胸部CT图像。
- 切片级分类的准确率超过94%。
- 在COVID-19、CAP和健康分类的三路分类中，准确度超过89.3%。
- 经过验证，该框架的总体准确率达到90%。
- 该框架在评估中排名第一，敏感度分别为0.857、0.9和0.942。
➡️
