基于卷积神经网络的胸部X射线影像肺炎疾病分类研究

目的:自动检测肺炎以及区分2019冠状病毒病(COVID-19)和非COVID-19肺炎,旨在提高整体分类准确性.方法:数据集来自Kaggle存储库.使用编程环境MATLAB 2021a对所提出的模型进行开发和训练.该模型使用2913张胸部X线片图像(其中正常1005张,COVID-19900张,病毒性肺炎1 008张)进行训练,还使用从数据集中随机选择的一些未使用的胸部图像进行评估,并与现有深度学习方法相比较.结果:该模型在训练集上的平均准确率、召回率和精准率分别为0.989,0.983和0.984.此外,平均假阳性率和假阴性率分别为0.009和0.017.在验证集上,平均准确率、召回率和精准率分别为0.978、0.967和0.967.准确预测了未用于训练也未用于验证的图像60例(每类20例)中的58例.结论:利用卷积神经网络对胸部X线图像进行分类可以辅助放射科医师且能够减少他们之间可能由经验引起的图像解释的差异性.

期刊订购方案优化

期刊选定是每个图书馆几乎每年都要遇到的重要工作之一，怎样利用有限的资金，订购到数目合适且使得教职工对期刊的满意程度最高是个至关重要的问题。由于期刊选定工作的重要性，它为不少高校图书馆学者所研究。期刊订购方案很多，但是怎样才能找到一个最优的解决方案呢，因此对这类问题的探讨就显得十分必要。