基于自注意力卷积的新冠肺炎CXR图像识别 |
| |
引用本文: | 吕嫄.基于自注意力卷积的新冠肺炎CXR图像识别[J].安徽师范大学学报(自然科学版),2023(3):217-221. |
| |
作者姓名: | 吕嫄 |
| |
作者单位: | 芜湖职业技术学院基础教学部 |
| |
基金项目: | 安徽省教育厅科技项目(KJ2020A0914); |
| |
摘 要: | 2019冠状病毒病(COVID-19)是近年来对世界经济发展影响最大的流行病。早期发现是治疗COVID-19患者的关键,而胸片作为一种快速有效的辅助诊断方法被广泛用于实际的医疗案例中。基于深度学习的图像识别方法能更快、更准确地诊断CXR图像,可以取得较好的效果。然而,常见的深度学习模型在对数据进行特征提取时没有针对性。对此,本文提出基于卷积注意力的新冠肺炎图像识别网络,提升对COVID-19阳性样本的敏感性和特异性,并且增加的模型参数量和训练时间可以忽略不计。本文结合VGG16、MobileNet、InceptionV3、ResNet50等经典深度学习网络搭建了卷积注意力模型,并在COVIDRD公开数据库上进行了验证。实验结果表明本文提出的网络架构有效的提升了对新冠肺炎识别的准确性、敏感性和特异性。
|
关 键 词: | 新冠肺炎 CXR图像 深度学习 卷积注意力 |
|
|