Deep learning methods for medical Image Classification

Abstract

Apres l’émergence du Coronavirus, qui a secoué le monde entier, il est devenu nécessaire de travailler sur sa détection précoce, et après l’adoption de l’intelligence artificielle dans le domaine médical. Nous proposons ce travail pour détecter la toux corona de manière précise et précoce, en utilisant des images de spectrogramme et l’apprentissage en profondeur qui est un ensemble d’algorithmes d’apprentissage automatique pour former des réseaux de neurones. Dans notre expérience, nous avons utilisé les réseaux de neurones convolutés comme l’une des structures de base pour l’apprentissage en profondeur car ils obtiennent les meilleurs résultats en analyse d’image, Grace a l’utilisation de l’apprentissage par transfert (modelés de réseaux de neurones convolutifs préformes), nous les avons comparés les uns aux autres et avons finalement conclu obtenir le meilleur modèle avec l’ époque de 70 et 128 taille de lot avec une précision de 0,9474 et une perte de 0,1956 pour que le la valeur de précision était élevée par rapport au reste des modèles, et la valeur de perte était faible par rapport au reste. Ce projet vise à comparer ces modèles et à faciliter le développement d’un système base sur l’IA pour la ´ reconnaissance précoce du COVID-19 à partir du signal vocal avec la meilleure efficacité