胸部X線でのCOVID-19を識別するためのSOM-LWLメソッド

コロナウイルス疾患2019（Covid-19）の発生は、多くの国で世界の健康と日常生活に大きな影響を与えてきました。患者の初期感染部位を頑丈な観察することは、Covid-19との闘争でコントロールを獲得するために重要です。最近のコロナウイルス疾患（Covid-19）の初期の自動検出は、世界中の普及を制限するのに役立ちます。多くの初期研究は、コロナウイルスの遺伝物質の同定に焦点を合わせており、長期手術の検出率が低い。Covid-19治療で重要な役割を果たした最初の画像診断手順は、胸部X線でした。放射線イメージングは、胸部X線のパフォーマンスを強調する方法としてよく使用されます。最近の発見は、胸部X線の不規則な所見を持つ患者におけるCovid-19の存在を示しています。このトピックに関する多くのレポートがあり、胸部X線を使用したCOVID-19を識別するための機械学習戦略が含まれています。他の現在の研究では、非公開データセットと複雑な人工知能（AI）システムを使用しています。私たちの研究では、Covid-19の症例を検出およびキャプチャするための地域加重学習および自己組織化マップ（LWL-SOM）戦略に基づいた新しいCovid-19の識別手法を提案しました。最初に、Covid-19の症例と非Covid-19の症例を区別するために、SOM戦略を使用して、異なるクラスターの同様の機能に基づいて胸部X線データセットから画像をグループ化しました。次に、LWLアルゴリズムに基づいてインテリジェント学習モデルを構築し、Covid-19の症例を診断および検出しました。提案されたSOM-LWLモデルは、COVID19、ノーファインディング、および肺炎の症例間の相関係数のパフォーマンス結果を改善しました。肺炎および発見なしの症例;Covid19および肺炎の症例;およびCovid19および0.9613から0.9788、0.6113〜1.8783〜0.9999、0.8894から1の症例。提案されたLWL-SOMは、AI評価測定を使用した現在の機械学習ベースのソリューションよりも、Covid-19および非Covid-19の患者を識別するためのより良い結果をもたらしました。

The outbreak of coronavirus disease 2019 (COVID-19) has had an immense impact on world health and daily life in many countries. Sturdy observing of the initial site of infection in patients is crucial to gain control in the struggle with COVID-19. The early automated detection of the recent coronavirus disease (COVID-19) will help to limit its dissemination worldwide. Many initial studies have focused on the identification of the genetic material of coronavirus and have a poor detection rate for long-term surgery. The first imaging procedure that played an important role in COVID-19 treatment was the chest X-ray. Radiological imaging is often used as a method that emphasizes the performance of chest X-rays. Recent findings indicate the presence of COVID-19 in patients with irregular findings on chest X-rays. There are many reports on this topic that include machine learning strategies for the identification of COVID-19 using chest X-rays. Other current studies have used non-public datasets and complex artificial intelligence (AI) systems. In our research, we suggested a new COVID-19 identification technique based on the locality-weighted learning and self-organization map (LWL-SOM) strategy for detecting and capturing COVID-19 cases. We first grouped images from chest X-ray datasets based on their similar features in different clusters using the SOM strategy in order to discriminate between the COVID-19 and non-COVID-19 cases. Then, we built our intelligent learning model based on the LWL algorithm to diagnose and detect COVID-19 cases. The proposed SOM-LWL model improved the correlation coefficient performance results between the Covid19, no-finding, and pneumonia cases; pneumonia and no-finding cases; Covid19 and pneumonia cases; and Covid19 and no-finding cases from 0.9613 to 0.9788, 0.6113 to 1 0.8783 to 0.9999, and 0.8894 to 1, respectively. The proposed LWL-SOM had better results for discriminating COVID-19 and non-COVID-19 patients than the current machine learning-based solutions using AI evaluation measures.