A Hybrid Deep Learning CNN Model for Enhanced COVID-19 Detection from Computed Tomography (CT) Scan Images

要約

Covid-19の早期発見は、効果的な治療とその拡散を制御するために重要です。
この研究では、過負荷の医療専門家を支援するように設計されたCTスキャン画像からCOVID-19を検出するための新しいハイブリッドディープラーニングモデルを提案しています。
提案されたモデルは、VGG16、DENSENET121、およびMobileNETV2の強度を活用して特徴を抽出し、その後、次元削減のために主成分分析（PCA）が続きます。
提案されたハイブリッドモデルと、2,108のトレーニング画像のデータセットと、covid陽性画像と非コビッド画像の両方を含む373のテスト画像を使用して、比較分析を実施しました。
提案されたハイブリッドモデルは98.93％の精度を達成し、精度、リコール、F1スコア、およびROC曲線のパフォーマンスの観点から個々のモデルを上回りました。

要約(オリジナル)

Early detection of COVID-19 is crucial for effective treatment and controlling its spread. This study proposes a novel hybrid deep learning model for detecting COVID-19 from CT scan images, designed to assist overburdened medical professionals. Our proposed model leverages the strengths of VGG16, DenseNet121, and MobileNetV2 to extract features, followed by Principal Component Analysis (PCA) for dimensionality reduction, after which the features are stacked and classified using a Support Vector Classifier (SVC). We conducted comparative analysis between the proposed hybrid model and individual pre-trained CNN models, using a dataset of 2,108 training images and 373 test images comprising both COVID-positive and non-COVID images. Our proposed hybrid model achieved an accuracy of 98.93%, outperforming the individual models in terms of precision, recall, F1 scores, and ROC curve performance.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google