机构名称：
¥ 1.0
摘要：在当前的 COVID-19 大流行中，早期发现和诊断 COVID-19 以及在疾病早期阶段以非侵入性方式准确分离非 COVID-19 病例是关键问题。基于卷积神经网络 (CNN) 的模型具有出色的能力，可为 COVID-19 的检测和诊断提供准确有效的系统。由于发展中国家 RT-PCR（逆转录聚合酶链反应）测试的可用性有限，基于成像的技术可以提供一种替代且经济实惠的解决方案来检测 COVID-19 症状。本文回顾了当前基于 CNN 的方法，并研究了一种定制设计的 CNN 方法，用于从 CT（计算机断层扫描）胸部扫描图像中检测 COVID-19 症状。本研究展示了一种加速 CT 扫描图像分类过程的综合方法。为了缩短计算时间，研究了一种基于硬件的加速方法，并在可重构平台 (FPGA) 上实现。实验结果突出了设计的各种近似值之间的差异，提供了一系列与软件和硬件相对应的设计选项。基于 FPGA 的实现涉及分类任务的简化预处理特征向量，这是此特定应用的独特优势。为了证明所提方法的适用性，分别测量了基于 CPU 的分类和 FPGA 的结果并进行了回顾性比较。
新型冠状病毒（COVID-19）加速诊断
主要关键词
相关文件推荐
