Covid-19を診断するためのバギングダイナミックディープラーニングネットワーク

Covid-19は、世界中で深刻な進行中のパンデミックです。Covid-19を自動的に診断するためにX線胸部X線撮影画像を使用することは、実際に臨床医に診断支援を提供する効果的で便利な手段です。このペーパーでは、X線胸部X線撮影画像の症状を知的に認識することにより、Covid-19を診断するためのバギングダイナミックディープラーニングネットワーク（B-DDLN）を提案します。画像の一連の前処理手順の後、畳み込みを特徴抽出装置として走行前ブロックします。抽出された機能については、袋詰めの動的学習ネットワーク分類器が、神経動的学習アルゴリズムとバギングアルゴリズムに基づいてトレーニングされます。b-ddlnは、特徴抽出器と袋詰め分類器を直列に接続します。実験結果は、提案されているB-DDLNが98.8889％のテスト精度を達成することを確認します。これは、オープン画像セットの既存の最先端の方法で最適な診断パフォーマンスを示しています。また、さらなる検出と治療の証拠も提供します。

COVID-19 is a serious ongoing worldwide pandemic. Using X-ray chest radiography images for automatically diagnosing COVID-19 is an effective and convenient means of providing diagnostic assistance to clinicians in practice. This paper proposes a bagging dynamic deep learning network (B-DDLN) for diagnosing COVID-19 by intelligently recognizing its symptoms in X-ray chest radiography images. After a series of preprocessing steps for images, we pre-train convolution blocks as a feature extractor. For the extracted features, a bagging dynamic learning network classifier is trained based on neural dynamic learning algorithm and bagging algorithm. B-DDLN connects the feature extractor and bagging classifier in series. Experimental results verify that the proposed B-DDLN achieves 98.8889% testing accuracy, which shows the best diagnosis performance among the existing state-of-the-art methods on the open image set. It also provides evidence for further detection and treatment.