Resumen

El COVID-19 es una enfermedad respiratoria causada por el coronavirus del síndrome respiratorio agudo severo (SARS-CoV-2). Debido a la rápida propagación de COVID-19 en todo el mundo, el número de casos de COVID-19 sigue aumentando, y muchos países se enfrentan a una enorme presión sobre los recursos públicos y médicos. Aunque la RT-PCR es la tecnología de detección más utilizada para la detección de COVID-19, todavía tiene algunas limitaciones, como su alto coste, la pérdida de tiempo y su baja sensibilidad. De acuerdo con las características de las imágenes de rayos X de tórax (CXR), diseñamos el Módulo de Fusión de Características de Atención de Canal Paralelo (PCAF), así como una nueva estructura de red neuronal convolucional MCFF-Net propuesta basada en PCAF. Para mejorar la eficacia del reconocimiento, la red adopta 3 clasificadores: 1-FC, GAP-FC y Conv1-GAP. Los resultados experimentales muestran que la precisión global del modelo MCFF-Net66-Conv1-GAP es del 94,66 o de la clasificación de 4 clases. Al mismo tiempo, la exactitud de la clasificación, la precisión, la sensibilidad, la especificidad y la puntuación F1 de COVID-19 son del 100%. MCFF-Net no sólo puede ayudar a los clínicos a tomar decisiones adecuadas para el diagnóstico de COVID-19, sino que también puede mitigar la falta de kits de pruebas.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Neurofisiología Proceso de aprendizaje
• Subjects:Artificial intelligence Data mining Genetic algorithms Neurophysiology Learning processes
• Palabras claves:falta de pruebas, red neuronal convolucional, fusión de características de atención, precisión de mcff, red neuronal mcff, mucho país, módulo de fusión de características, características del pecho, propagación de covid-19, puntuación f1 de covid-19
• Keywords:lack of testing, convolutional neural network, attention features fusion, accuracy of mcff, neural network mcff, lot of country, features fusion module, characteristics of chest, spread of covid-19, f1-score of covid-19