摘要
在全球新冠疫情常态化的背景下,为加快诊断进度,CT筛选或将成为诊断新型冠状病毒感染的临床首选方法。首先,采用获取的一个开源COVID-CT数据集,其包含新冠照片阳性361张、阴性397张;然后利用深度残差网络ResNet系列网络泛化性能强、分类能力强等优点,在系统中应用改进的ResNet网络,使用ResNet50作为预训练模型开发一个可以实现对新冠肺炎CT影像分类的系统;为加快网络训练速度、提高检测精度采用了冻结网络层数、数据增强的方法。实验结果表明,构建的模型可以完成是否患有新冠肺炎的分类判断,新冠患者CT影像的平均精确率可达98.7%,非新冠患者CT影像的平均精确率可达99.1%。
作者
金哲毅
杨晓玲
JIN Zheyi;YANG Xiaoling
出处
《信息技术与信息化》
2021年第10期114-116,共3页
Information Technology and Informatization
基金
广东省大学生创新创业训练计划项目:面向新冠肺炎的肺部CT影像智能分类系统(编号:S202113684006)
广东省高校青年创新人才类项目(编号:2019KQNCX198)
吉林大学珠海学院教学质量工程项目(编号:ZLGC20191015)。
