深度学习模型在COVID-19图像分类中达到98%的准确率

研究人员对用于从CT和X射线肺部影像中分类COVID-19的各种深度学习架构进行了综合比较。该研究使用了包括VGG、Densenet、Resnet、MobileNet、Xception、EfficientNet和NasNet在内的预训练模型。结果表明，Resnet和VGG架构在区分COVID-19阳性病例与健康肺部方面达到了95%至98%的高准确率，优于以往的文献发现。 AI

影响 展示了深度学习模型在医学图像分析中的高准确性，有可能提高传染病的诊断速度和准确性。

排序理由 比较特定应用深度学习模型的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• CT
• COVID-19
• Densenet
• EfficientNet
• MobileNet
• NasNet
• Resnet
• Xception
• X-ray

• 论文
• 产品

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