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.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
La diferencia del estado estructural y el comportamiento de la deformación entre la dentina humana adolescente y la madura
Artículo:
Sensor metamaterial complementario de alta precisión mediante línea de transmisión microstrip ranurada
Artículo:
Mejora de las propiedades magnéticas de las aleaciones nanocristalinas Nd12.3(FeZrNbCu)81.7B6.0 con sustituciones de Dy
Artículo:
Desarrollo y Validación de un Modelo de Predicción de Delirio Postoperatorio para Pacientes Ortopédicos Ancianos en la Unidad de Cuidados Intensivos
Artículo:
Reciclaje de lodos residuales: Preparación y aplicación de carbón activado a base de lodos