计算机应用研究

作者：周奇浩,张俊华,普钟,张鑫,

单位：云南大学信息学院,昆明650500；

关键词：新型冠状病毒肺炎,CT图像,深度学习,深层密集聚合,注意力机制,

基金：国家自然科学基金资助项目(62063034,61841112)；云南大学研究生实践创新项目(2021Z50)；；

新型冠状病毒肺炎在全球范围迅速蔓延，为快速准确地对其诊断，进而阻断疫情传播链，提出一种基于深度学习的分类网络DLDA-A-DenseNet。首先将深层密集聚合结构与DenseNet-201结合，对不同阶段的特征信息聚合，以加强对病灶的识别及定位能力；其次提出高效多尺度长程注意力以细化聚合的特征；此外针对CT图像数据集类别不均衡问题，使用均衡抽样训练策略消除偏向性。在中国胸部CT图像调查研究会提供的数据集上测试，所提方法较原始DenseNet-201在准确率、召回率、精确率、F1分数和Kappa系数提高了2.24%、3.09%、2.09%、2.60%和3.48%；并在COVID-CISet图像数据集上测试，取得99.50%的最优准确率。结果表明，对比其他方法，提出的新冠肺炎CT图像分类方法充分提取了CT切片的病灶特征，具有更高的精度和良好的泛化性。

来源：2023年第6期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2023年第6期