Kvak, D., Bendik, M., & Chromcova, A. (2022). Towards clinical practice: Design and implementation of convolutional neural network-based assistive diagnosis system for covid-19 case detection from chest x-ray images. arXiv preprint arXiv:2203.10596.
Abstrakt:
Jedním z klíčových nástrojů pro včasné odhalení a následné vyhodnocení výskytu plicních onemocnění je rentgenové vyšetření hrudníku. Tato studie představuje reálnou implementaci aplikace založené na konvolučních neuronových sítích (CNN) k detekci COVID-19 z rentgenových snímků hrudníku (CXR). Námi navrhovaný model má podobuje dnoduché a intuitivní aplikace. Použitou CNN lze nasadit jako koncový bod predikce STOW-RS pro přímou implementaci do prohlížečů DICOM. Výsledky této studie ukazují, že model hlubokého učení založený na architektuře DenseNet aResNet dokáže detekovat SARS-CoV-2 ze snímků CXR s precision 0,981, recall 0,962 a AP 0,993.
