当前位置: X-MOL 学术Measurement › 论文详情
Detection of respiratory diseases from chest X rays using Nesterov accelerated adaptive moment estimation
Measurement ( IF 3.364 ) Pub Date : 2021-02-16 , DOI: 10.1016/j.measurement.2021.109153
S.S. Sai Koushik; K.G. Srinivasa

Recent developments in the field of machine learning have led to drastic improvements in medical diagnosis. Identification of different medical conditions with high accuracy is possible through machine learning, specifically deep learning. Convolutional Neural Networks are a subset of deep neural networks, used in investigating visual images.

In this study, a method to identify bacterial pneumonia, viral pneumonia and COVID-19 from chest X-rays is proposed using convolutional neural networks. Training accuracy of 0.9440 and validation accuracy of 0.9356 was obtained using this model. The test accuracy was found to be 0.8753. As a matter of fact, COVID-19 diagnosing precision and recall of the proposed method are 0.95 and 1.00 respectively. Significant improvements are seen when compared to other approaches.



中文翻译:

使用Nesterov加速自适应矩估计从胸部X射线检测呼吸系统疾病

机器学习领域的最新发展已导致医学诊断的巨大进步。通过机器学习,特别是深度学习,可以高精度地识别不同的医疗状况。卷积神经网络是深度神经网络的子集,用于研究视觉图像。

在这项研究中,提出了一种使用卷积神经网络从胸部X光片中识别细菌性肺炎,病毒性肺炎和COVID-19的方法。使用该模型获得了0.9440的训练精度和0.9356的验证精度。测试准确性为0.8753。实际上,COVID-19的诊断精度和召回率分别为0.95和1.00。与其他方法相比,可以看到显着的改进。

更新日期:2021-02-21
全部期刊列表>>
牛年开工季
JCR Q1医学全学科
新春生命科学
新春医学
空气污染与健康
虚拟特刊
亚洲大洋洲地球科学
NPJ欢迎投稿
自然科研论文编辑
ERIS期刊投稿
欢迎阅读创刊号
自然职场,为您触达千万科研人才
spring&清华大学出版社
城市可持续发展前沿研究专辑
Springer 纳米技术权威期刊征稿
全球视野覆盖
施普林格·自然新
chemistry
物理学研究前沿热点精选期刊推荐
自然职位线上招聘会
欢迎报名注册2020量子在线大会
化学领域亟待解决的问题
材料学研究精选新
GIANT
ACS ES&T Engineering
ACS ES&T Water
屿渡论文,编辑服务
阿拉丁试剂right
上海中医药大学
南科大-连续三周2.26
西湖大学
化学所
北京大学
厦门大学
隐藏1h前已浏览文章
课题组网站
新版X-MOL期刊搜索和高级搜索功能介绍
ACS材料视界
清华
南方科技大学
中国石油大学
天合科研
x-mol收录
试剂库存
down
wechat
bug