基于ResNeXt和改进nnU-Net的新冠感染早期诊断方法

摘要：

新型冠状病毒感染早期感染表现为肺浑浊程度和密度增加等特征,为了解决早期患者电子计算机断层扫描(Com-puted Tomogra,CT)诊断与肺部病灶定位困难这一问题,提出一种ResNeXt和改进型nnU-Net(no-new-Net)的COVID-19(Corona Virus Disease 2019)诊断与肺部病灶分割实验方案.ResNeXt模型分类平均准确率Accuracy为0.8554,AUC面积为0.8951,精确率Precision为0.8321,F1得分为0.8132,改进型nnU-Net模型病灶分割平均Dice系数达到0.7663,相较其他模型分割能力综合提高16.4%.实验结果表明该方案能够增强新冠早期肺部CT图像感染特征提取能力,高效实现疾病分型和精准分割病灶.

关键词：ResNeXt、改进型nnU-Net、新冠感染早期诊断、肺部分割

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家重点研发计划;江苏省高校自然科学面上项目

在线出版日期：2023-07-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：21-26