机器学习试点研究显示出从X射线图像对COVID-19进行分类的潜力

研究人员进行了一项试点研究，使用传统的机器学习技术，通过胸部X射线数据将COVID-19与其他肺炎进行分类。通过采用基于纹理和梯度的特征，并结合逻辑回归、随机森林和支持向量机等分类器，该研究实现了75.4%的最大准确率和0.755的AUC。研究结果表明，虽然这些方法显示出潜力，但需要更大规模的多机构数据集来开发更先进的多模态深度学习架构，结合卷积和基于Transformer的编码器，以提高诊断能力。 AI

影响 这项研究强调了基于纹理的机器学习在疾病分类方面的潜力，并激励了进一步开发用于医学影像诊断的先进深度学习模型。

排序理由 该项目是一篇学术论文，详细介绍了用于医学影像分类的机器学习试点研究。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

• convolutional neural network
• COVID-19
• Gray Level Co-Occurrence Matrix Texture Analysis of Germinal Center Light Zone Lymphocyte Nuclei: Physiology Viewpoint with Focus on Apoptosis
• Histogram of oriented gradients
• Image Data Collection
• logistic regression model
• random forest
• support vector machine
• Transformer++
• Yogisri Pujitha Chinthoti

• 论文
• 模型发布
• 产品

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →