Отрывок: Ю. Компьютерная оптика, 2022, том 46, №6 DOI: 10.18287/2412-6179-CO-1077 967 В табл. 1, 2, 3 приведены значения показателей точности (1 – 4), а также значения показателя точно- сти классификации класса accuracy_class для моделей глубокого обучения, использованных выше для клас- сификации рентгеновских снимков легких. Табл. 1 содержит такие показатели для класса COVID-19. Табл. 2 содержит показатели точности классиф...
Полная запись метаданных
Поле DC | Значение | Язык |
---|---|---|
dc.contributor.author | Щетинин, Е.Ю. | - |
dc.date.accessioned | 2023-12-29 12:59:55 | - |
dc.date.available | 2023-12-29 12:59:55 | - |
dc.date.issued | 2022-12 | - |
dc.identifier | Dspace\SGAU\20231227\107753 | ru |
dc.identifier.citation | Щетинин, Е.Ю. Обнаружение коронавирусной инфекции COVID-19 на основе анализа рентгеновских снимков грудной клетки методами глубокого обучения / Е.Ю. Щетинин // Компьютерная оптика. – 2022. – Т. 46, № 6. – С. 963-970. – DOI: 10.18287/2412-6179-CO-1077. | ru |
dc.identifier.uri | https://dx.doi.org/10.18287/2412-6179-CO-1077 | - |
dc.identifier.uri | http://repo.ssau.ru/handle/Zhurnal-Komputernaya-optika/Obnaruzhenie-koronavirusnoi-infekcii-COVID19-na-osnove-analiza-rentgenovskih-snimkov-grudnoi-kletki-metodami-glubokogo-obucheniya-107753 | - |
dc.description.abstract | Раннее выявление пациентов с коронавирусной инфекцией COVID-19 имеет важное значение для обеспечения их адекватного лечения и снижения нагрузки на систему здравоохранения. Эффективным методом обнаружения COVID-19 является компьютерный анализ рентгеновских снимков грудной клетки методами глубокого обучения. В работе предложена методология, состоящая из этапов стандартизации размеров рентгеновских снимков к (224, 224), их классификации с использованием глубоких сверточных нейронных сетей Xception, InceptionResNetV2, MobileNetV2, DenseNet121, ResNet50 и VGG16, предварительно обученных на наборе данных ImageNet, а затем настроенных на наборе рентгеновских снимков грудной клетки. Результаты компьютерных экспериментов показали, что модель VGG16 с тонкой настройкой параметров продемонстрировала максимальную эффективность в классификации COVID-19 с показателями точности (accuracy) 99,09 %, полнота (recall) 99,483 %, прецизионность (precision) 99,08 %. | ru |
dc.language.iso | rus | ru |
dc.publisher | Самарский национальный исследовательский университет | ru |
dc.relation.ispartofseries | 46;6 | - |
dc.subject | COVID-19 | ru |
dc.subject | рентгеновские снимки грудной клетки | ru |
dc.subject | глубокое обучение | ru |
dc.subject | сверточные нейронные сети | ru |
dc.title | Обнаружение коронавирусной инфекции COVID-19 на основе анализа рентгеновских снимков грудной клетки методами глубокого обучения | ru |
dc.title.alternative | Detection of COVID-19 coronavirus infection in chest X-ray images with deep learning methods | ru |
dc.type | Article | ru |
dc.textpart | Ю. Компьютерная оптика, 2022, том 46, №6 DOI: 10.18287/2412-6179-CO-1077 967 В табл. 1, 2, 3 приведены значения показателей точности (1 – 4), а также значения показателя точно- сти классификации класса accuracy_class для моделей глубокого обучения, использованных выше для клас- сификации рентгеновских снимков легких. Табл. 1 содержит такие показатели для класса COVID-19. Табл. 2 содержит показатели точности классиф... | - |
dc.classindex.scsti | 28.23.5 | - |
Располагается в коллекциях: | Журнал "Компьютерная оптика" |
Файлы этого ресурса:
Файл | Описание | Размер | Формат | |
---|---|---|---|---|
2412-6179_2022_46_6_963-970.pdf | 1.05 MB | Adobe PDF | Просмотреть/Открыть |
Показать базовое описание ресурса
Просмотр статистики
Поделиться:
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.