基于迁移学习和多参数融合优化的COVID-19辅助诊断模型

作     者：蒋正锋 许昕 JIANG Zhengfeng;XU Xin

作者机构：广西民族师范学院数理与电子信息工程学院广西崇左532200 广西南宁市悦美韩星医疗门诊部广西南宁530023 

基　　金：广西民族师范学院科研项目(2020YB006) 国家级大创项目(202010604022,202010604021) 

出 版 物：《分子影像学杂志》 (Journal of Molecular Imaging)

年 卷 期：2022年第45卷第2期

页      码：157-166页

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。

主 题 词：迁移学习 深度学习 辅助诊断 COVID-19 CT 

学科分类：1002[医学-临床医学类] 100201[100201] 10[医学] 

D　O　I：10.12122/j.issn.1674-4500.2022.02.01

馆 藏 号：203111005...