编辑荐读 | 开发基于多目标遗传算法的深度学习模型以使用医学图像数据自动检测COVID-19

期刊：Journal of Medical and Biological Engineering 

标题：Multi-objective Genetic Algorithm Based Deep Learning Model for Automated COVID-19 Detection Using Medical Image Data

DOI：10.1007/s40846-021-00653-9

微信原文：点击阅读微信原文

2020年初，由于新型冠状病毒（通常称为COVID-19）的爆发，世界正处于大流行之中。冠状病毒是由一种称为严重急性呼吸系统综合症冠状病毒2 (SARS-CoV-2) 引起的肺部感染疾病。由于其传播率高，尽早发现病例对于有效控制疫情蔓延和早期治疗患者至关重要。基于RT-PCR的试剂盒是当前用于 COVID-19诊断的标准试剂盒，这些测试尽管精度高，但仍需要很长时间。有效筛查 COVID-19需要更快的自动诊断工具。

罗伯特博世工程和商业方案私人有限公司的R. K. Dubey和来自德里印度理工学院的S. Bansal, M. Singh以及B. K. Panigrahi于近期在Journal of Medical and Biological Engineering发表原创论文：Multi-objective Genetic Algorithm Based Deep Learning Model for Automated COVID-19 Detection Using Medical Image Data

在这项研究中，提出了一种新的半监督特征学习技术来使用胸部 CT 扫描筛查 COVID-19 患者。本研究中提出的模型使用三步架构，包括基于卷积自动编码器的无监督特征提取器、基于多目标遗传算法 (MOGA) 的特征选择器和基于支持向量机的 Bagging Ensemble 基于二进制分类器。提议的架构旨在为二进制分类（COVID vs. nonCOVID）提供精确而强大的诊断。从 60 名患者收集的 1252 张 COVID-19 CT 扫描图像的数据集用于训练和评估模型。

图：自动编码器的架构

每张图像 127 ms 内性能最好的分类器在 497 张测试图像上实现了 98.79% 的准确率、98.47% 的精度、0.998 的曲线下面积和 98.85% 的 F1 分数。所提出的模型在速度和准确性方面优于当前最先进的 COVID-19 诊断技术。

实验结果证明了所提出的方法与现有方法相比的优越性。该研究还综合比较了各种特征选择技术，并突出了特征选择在医学图像数据问题中的重要性。