基于CCT的新冠肺炎胸部CT检测识别

摘要：

根据国家卫生健康委员会公布的诊疗方案第五版,计算机断层扫描(CT)影像临床诊断结果可作为新冠肺炎(COVID-19)病例诊断的标准.CT图像能够清晰、立体地显示新冠肺炎患者肺部病变特征,针对新冠肺炎的诊断,可以使用胸部CT图像构建新冠肺炎检测模型,为医生提供更精确的诊断.本文提出了基于紧凑型卷积Transformer(CCT)的检测识别模型,首先使用U-Net分割网络提取肺区后,使用CCT对肺区进行识别.将Transformer编码器的注意力机制更改为了轴向注意力机制,并添加位置偏移项,在训练中获取更精确的上下文信息.在CC-CCII数据集中挑选出了 1034张新冠肺炎CT图像,1003张社区肺炎CT图像和931张正常CT图像组成测试集,性能达到了98.5％的准确率,98.6％的灵敏度,并且在其他小型数据集上性能表现良好.证明了提出的方法使用胸部CT图像检测新冠肺炎有正向辅助作用.

关键词：新冠肺炎、CCT、轴向注意力机制、位置偏移项

所属期刊栏目：19

分类号：TP391.41;R563.1(计算技术、计算机技术)

资助基金：国家自然科学基金;重庆市教委科学技术研究项目;四川省区域创新合作项目;重庆市创新群体;医工医信融合与转化医学泸州市重点实验室资助

在线出版日期：2022-05-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：58-65