top of page
研究摘要
COVID-19 疫情對台灣的醫療保健系統產生了嚴重影響。深度學習是一種有效的技術，可以幫助醫生在這場疫情中為每位患者做出最合適的醫療決策。在這項研究中，我選擇了四種最先進的深度學習 — Xception、MobileNetv2、DenseNet169 和 DenseNet201。此外，在四個模型分別對正常和陽性 COVID-19 胸部 X 光圖像進行分類之前，遷移學習用於對它們進行預訓練。最後，最好的結果達到了 98.58% 的準確率、98.58% 的精確率和 98.42% 的召回率。
研究背景
自 2022 年 5 月 27 日以來，SARS-CoV 2（COVID-19）在台灣的傳染率增加了 94,808 例確診病例，
創下了台灣患有 COVID-19 人數的新紀錄。
為應對未來迅速上升的疫情。胸腔 X 光判讀(Chest X-ray interpretation) 是目前檢測COVID-19病例最有效的方法之一。
然而，每個病例的診斷過程都需要醫生進行醫療評估，這相當花費時間，也極大地影響醫院的醫療和人力資源。
因此，幫助醫生更快、更準確地診斷出大量 COVID-19 陽性病例是醫學影像的一個重要問題，也是我本次專題研究的目標。
bottom of page