基于迁移学习和多参数融合优化的COVID-19辅助诊断模型

摘要：

目的 针对传统CT影像诊断准确性不高和效率低下问题,探讨深度学习技术在影像学中辅助诊断COVID-19的模型研究.方法 首先构建早期、进展期和重症期三类别的COVID-19影像学数据集,然后构建一个基于VGG-16迁移学习的诊断COVID-19的初始模型,最后通过逐步对全连接层网络结构、激活函数、损失函数、优化算法、学习率和样本批次大小的多参数融合优化,设计出一个COVID-19辅助诊断模型.结果 在COVID-19影像学测试集上COVID-19辅助诊断模型的准确率为98.10％,其中早期、进展期和重症期样本的敏感度分别为0.97、1.00、0.97,F1-score分别为0.98、0.97、0.99.结论 通过迁移学习和多参数融合优化策略,设计的COVID-19辅助诊断模型在测试集上有较高的准确率.在防控疫情时,辅助诊断模型能帮助医务工作者提高工作效率.

关键词：迁移学习、深度学习、辅助诊断、COVID-19、CT

所属期刊栏目：45

分类号：R735.2;TP391;TP206

资助基金：广西民族师范学院科研项目;国家级大学生创新创业训练计划项目;国家级大学生创新创业训练计划项目

在线出版日期：2022-05-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：157-166