摘要
新型冠状病毒肺炎(corona virus disease 2019,COVID-19)严重影响人类社会和经济的发展,威胁人类的健康.如何更准确、快速地排查感染病毒的患者,使用卷积神经网络(convolutional neural net-work,CNN)的方法识别COVID-19胸部X射线影像,完成计算机自动辅助诊断.但是,由于识别精度不高,难以准确判断是否感染了 COVID-19.为了提高网络模型对COVID-19胸部X射线影像的识别性能,首先提出注意力引导梯形金字塔融合网络(attention steered trapezoid pyramid fusion network,ASTP-Net),该网络可以附加在不同的CNN上,有效地利用模型中深层与浅层网络的特点;其次提出注意力引导块(attention steered block,AS Block),通过通道和空间注意力,强调通道和空间中的有效语义信息,弱化无效的干扰信息,高效地聚合加权信息.最终实验结果表明:将ASTPNet附加在VGG16/19、Res-Net34/50和ResNeXt上,识别精度有了显著提升;应用于自建的COVID-19数据集,与其他CNN方法相比,ASTP-ResNet34性能更优,二分类和三分类准确率分别达到了 98.40％和97.10％,能够精准判断是否感染了 COVID-19.
基金项目
国家重点研发计划"智能机器人"重点专项(2020YFB1314103)
国家自然科学基金(3210071479)
安徽省自然科学基金(2108085QF258)
安徽省高等学校自然科学研究项目(KJ2020A0299)
NETL
NSTL
维普
万方数据