新冠肺炎图像分类的深度学习方法及可解释性

• 作者: 邹文文 张海波 郭文平
• 来源期刊: 福建电脑
• 关键词: 新冠肺炎 深度学习 卷积神经网络 VGGNet ResNet
• 年，卷（期）: 2021,（9）
• 所属期刊栏目: 研究与探讨|Exploration
• 页码范围: 65-67
• 页数: 3页
• 分类号: G206
• 语种: 中文
• DOI: 10.16707/j.cnki.fjpc.2021.09.017

摘要

随着新冠肺炎疫情的恶化,快速识别新冠肺炎患者是目前医疗机构面临的挑战之一.本文针对新冠肺炎图像的分类问题,采用VGGNet和ResNet两个卷积神经网络进行微调,获得较高的分类性能;并引入可视化类激活图,为新冠肺炎图像分类问题提供了一定的可解释性.在BIMCV COVID-19+数据集上的实验结果表明,本文提出的方法具有一定的实用价值.