基于深度学习的新冠肺炎病毒检测方法

• 作者: 伍晓平 薛端 计雪伟 霍兴赢
• 来源期刊: 探索科学
• 学科: 工学
• 关键词: 新型冠状病毒肺炎 密集卷积网络 全卷积网络 特征融合
• 年，卷（期）: 2020,（9）
• 所属期刊栏目: 探索 学习研究
• 页码范围: 272-274
• 页数: 3页
• 分类号: TP183
• 语种: 中文
• DOI: 10.1227/j.issn.2095-588X.2020.09.337

摘要

自2019年以来,新冠肺炎病毒迅速席卷全球,不仅给人们的生产生活造成了极大的影响,也给人们的心灵带来不小的创伤.现有的核酸检测方法虽然准确但是费时费力,因此提出一种简单易行的检测方法来辅助检测新冠肺炎很有必要.本文提出一种基于残差网络改进的卷积神经网络,并以新冠肺炎患者胸部X光片影像作为实验的数据集,在神经网络训练之前,首先使用扭曲裁剪等方法对图像进行预处理,然后将处理好的图像放入神经网络中训练,最后调整网络参数达到最优的实验结果.本文引入了残差网络模型、VGG网络模型进行比较,由实验结果可以明显地发现本文所提出的神经网络模型参数最小,但是准确率达到了92.3％,高于残差网络的82％、VGG的57.6％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	计雪伟		2	0	0.0	0.0
2	霍兴赢		3	0	0.0	0.0
3	薛端		5	0	0.0	0.0
4	伍晓平		7	10	2.0	3.0