基于深度学习的新冠肺炎病毒检测方法

扫码查看

原文链接

万方数据

中文摘要：自2019年以来,新冠肺炎病毒迅速席卷全球,不仅给人们的生产生活造成了极大的影响,也给人们的心灵带来不小的创伤.现有的核酸检测方法虽然准确但是费时费力,因此提出一种简单易行的检测方法来辅助检测新冠肺炎很有必要.本文提出一种基于残差网络改进的卷积神经网络,并以新冠肺炎患者胸部X光片影像作为实验的数据集,在神经网络训练之前,首先使用扭曲裁剪等方法对图像进行预处理,然后将处理好的图像放入神经网络中训练,最后调整网络参数达到最优的实验结果.本文引入了残差网络模型、VGG网络模型进行比较,由实验结果可以明显地发现本文所提出的神经网络模型参数最小,但是准确率达到了92.3％,高于残差网络的82％、VGG的57.6％.

作者：

计雪伟、霍兴赢、薛端、伍晓平

展开 >

作者单位：

六盘水师范学院贵州六盘水 553004

关键词：

新型冠状病毒肺炎密集卷积网络全卷积网络特征融合

出版年：

2020

DOI：

10.1227/j.issn.2095-588X.2020.09.337

探索科学

ISSN：

年,卷(期)：2020.(9)

参考文献量2