KVAK, Daniel, Anna CHROMCOVÁ a Marián BENDÍK. 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. 2022, 2203.10596, 19 s. doi:10.48550/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.
