基于改进DenseNet网络的肺炎X光图像识别算法

• 作者: 魏榕剑 邵剑飞
• 来源期刊: 电视技术
• 关键词: 肺炎检测 深度学习 DenseNet 中心损失 Focal-loss
• 年，卷（期）: 2021,（6）
• 所属期刊栏目: 器件与设计|PARTS & DESIGN
• 页码范围: 140-143
• 页数: 4页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.16280/j.videoe.2021.06.040

摘要

肺炎是一种由微生物感染引起的疾病,严重时可危及生命.目前,世界上最常用的肺炎检测方法是胸部X光图像.利用深度学习图像处理算法对肺炎X光图像特征学习,可以为放射科医生临床诊断提供客观辅助.为提升深度学习DenseNet模型应用于X光图像中检测肺炎的效果,在DenseNet深度模型的基础上,在全连接层加入中心损失(Center loss),在最后输出部分将交叉熵损失函数替换为Focal-loss,提出一种改进的DenseNet模型算法.实验验证了其最高检测分类精度达到94.52％,测试精度达到90.46％.提出的算法模型有效提高了肺炎X光图像检测分类精度.