Wyniki wyszukiwania - BazTech

Ograniczanie wyników

1 Przegląd Elektrotechniczny

1 2024

Powiadomienia systemowe

Sesja wygasła!

Znaleziono wyników: 1

Liczba wyników na stronie

Wyniki wyszukiwania

Sortuj według:

Ogranicz wyniki do:

A neural network designed for COVID-19 detection using CT images

Rouini Abdelghani, Larbi Messaouda, Bakria Derradji, Korich Belkacem

Przegląd Elektrotechniczny

2024

R. 100, nr 4

152--155

To quickly identify COVID-19 and stop its spread, Computer Tomography (CT) imaging of the chest is a reliable diagnostic method. In this work we implement a deep neural network based on Convolutional Neural Network (CNN), to effectively distinguish between healthy CT images and COVID-19 CT images. The final architecture allows for 91.6% accuracy, which is a 2% improvement over the first one. The result obtained can be very useful in medical diagnostics, particularly in the Covid-19 case. The implemented CNN model takes 2-3 seconds to run on a medium-end laptop without GPU acceleration.

Aby szybko zidentyfikować COVID-19 i zatrzymać jego rozprzestrzenianie się, niezawodną metodą diagnostyczną jest tomografia komputerowa (CT) klatki piersiowej. W tej pracy wdrażamy głęboką sieć neuronową opartą na konwolucyjnej sieci neuronowej (CNN), aby skutecznie rozróżniać zdrowe obrazy CT od obrazów CT COVID-19. Ostateczna architektura pozwala na dokładność na poziomie 91,6%, co stanowi poprawę o 2% w stosunku do pierwszej. Uzyskany wynik może być bardzo przydatny w diagnostyce medycznej, szczególnie w przypadku Covid-19. Zaimplementowany model CNN działa w ciągu 2-3 sekund na laptopie średniej klasy bez akceleracji GPU.