基于CT图像卷积神经网络处理的新冠肺炎检测

• 作者: 郭保苏 庄集超 吴凤和 车小双 袁林栋 齐军
• 来源期刊: 计量学报
• 关键词: 计量学 新冠肺炎检测 卷积神经网络 禁忌遗传算法 CT图像 超参数优化
• 年，卷（期）: 2021,（4）
• 页码范围: 537-544
• 页数: 8页
• 分类号: TB99|TP391.41
• 语种: 中文
• DOI: 10.3969/j.issn.1000-1158.2021.04.21

摘要

为增强对新冠肺炎与普通肺炎的区分能力,协助医护人员对肺炎患者进行胸部CT检测,在人工智能图像分析的基础上提出了一种基于CT图像卷积神经网络处理新冠肺炎的检测方法.首先,搭建一个卷积神经网络模型,通过评估模型深度对检测结果的影响,以选择最佳的网络结构;其次,提出了一种禁忌遗传算法,用以获取网络模型中最优的超参数组合,增强模型的辨识能力;最后,通过最佳的卷积神经网络模型来辨别新冠肺炎与普通肺炎.实验结果表明:所提出的检测算法的准确率、MCC值和F1 Score值分别为93.89％,93.32％和91.40％,相对其他模型具有更高的检测精度.