TY-JOURA2-Chen、Jyh-ChengAU-CheAzemin、MohdZulfaezalAU-Hassan、RadhianaAU-Mohd Tamrin、MohdIzzuddinAU-MdAli、MohdAdliPY-2020DA-202008/18TI-COVID-19深学习预测模型使用公共可用射线算法ChestX光像素培训数据:初步结果SP-888855VL-2020AB-深入学习研究关键部分是培训数据集的可用性有限数量公开的COVID-19胸片X射线图像,深入学习模型泛泛和强健检测基于这些图像开发的COVID-19案例值得怀疑。上千可获取的胸文图象与COVID-19相关临床发现作为培训数据集使用,与确认COVID-19案例的图像互不相容,测试数据集将使用COVID-19深入学习模型基于ResNet-101神经网络架构,预知辨识上百万图像对象后再重新训练检测胸部X射线图像异常模型在接收器操作曲线下面积性能、敏感度、特性和精度分别为0.82、77.3%、71.8%和71.9%。研究强度在于使用与COVID-19案例有很强临床关联的标签,并使用相互排外公开数据培训、验证和测试SN-1687-4188UR-https://doi.org/101155/20882855DO-10.1155/20888855JF-生物医学成像PB-HindawiKW-ER