Kullanım Kılavuzu
Neden sadece 3 sonuç görüntüleyebiliyorum?
Sadece üye olan kurumların ağından bağlandığınız da tüm sonuçları görüntüleyebilirsiniz. Üye olmayan kurumlar için kurum yetkililerinin başvurması durumunda 1 aylık ücretsiz deneme sürümü açmaktayız.
Benim olmayan çok sonuç geliyor?
Birçok kaynakça da atıflar "Soyad, İ" olarak gösterildiği için özellikle Soyad ve isminin baş harfi aynı olan akademisyenlerin atıfları zaman zaman karışabilmektedir. Bu sorun tüm dünyadaki atıf dizinlerinin sıkça karşılaştığı bir sorundur.
Sadece ilgili makaleme yapılan atıfları nasıl görebilirim?
Makalenizin ismini arattıktan sonra detaylar kısmına bastığınız anda seçtiğiniz makaleye yapılan atıfları görebilirsiniz.
  Atıf Sayısı 1
 Görüntüleme 21
 İndirme 2
A CNN Approach to Identify COVID-19 Patients among Patients with Pneumonia
2022
Dergi:  
International Journal of Intelligent Systems and Applications in Engineering
Yazar:  
Özet:

Abstract Due to COVID-19 pandemic, the healthcare system has been collapsed worldwide. Keeping in view of the shortage of healthcare services during these times, the automated identification of COVID patients among other non-COVID patients suffering from pneumonia is an essential task. It will help the medical professionals for speedy diagnosis of the patients with appropriate treatments. Therefore, the present work presents an automated approach for detection of COVID patients using convolutional neural network model. This approach takes into account chest X-ray images of COVID positive patients as well as non-COVID pneumonia patients for the training of the proposed CNN model. The simulation results show that the proposed CNN model performs binary classification of COVID and non-COVID pneumonia classes with an average accuracy of 97.92%, sensitivity of 99.69% and specificity of 98.48%. Thus, the proposed CNN model is an effective technique for the accurate identification of COVID patients among other patients suffering from bacterial or viral pneumonia using X-ray images.

Anahtar Kelimeler:

Atıf Yapanlar
Dikkat!
Yayınların atıflarını görmek için Sobiad'a Üye Bir Üniversite Ağından erişim sağlamalısınız. Kurumuzun Sobiad'a üye olması için Kütüphane ve Dokümantasyon Daire Başkanlığı ile iletişim kurabilirsiniz.
Kampüs Dışı Erişim
Eğer Sobiad Abonesi bir kuruma bağlıysanız kurum dışı erişim için Giriş Yap Panelini kullanabilirsiniz. Kurumsal E-Mail adresiniz ile kolayca üye olup giriş yapabilirsiniz.
Benzer Makaleler










International Journal of Intelligent Systems and Applications in Engineering

Alan :   Mühendislik

Dergi Türü :   Uluslararası

Metrikler
Makale : 1.632
Atıf : 489
2023 Impact/Etki : 0.054
International Journal of Intelligent Systems and Applications in Engineering