基于CT图像卷积神经网络处理的新冠肺炎检测

来源：计量学报杂志2021年第4期北京时间：

作者：郭保苏,庄集超,吴凤和,车小双,袁林栋,齐军

单位：燕山大学 机械工程学院, 河北 秦皇岛 066004

摘要：为增强对新冠肺炎与普通肺炎的区分能力,协助医护人员对肺炎患者进行胸部CT检测,在人工智能图像分析的基础上提出了一种基于CT图像卷积神经网络处理新冠肺炎的检测方法。首先,搭建一个卷积神经网络模型,通过评估模型深度对检测结果的影响,以选择最佳的网络结构;其次,提出了一种禁忌遗传算法,用以获取网络模型中最优的超参数组合,增强模型的辨识能力;最后,通过最佳的卷积神经网络模型来辨别新冠肺炎与普通肺炎。实验结果表明:所提出的检测算法的准确率、MCC值和F1Score值分别为93.89%,93.32%和91.40%,相对其他模型具有更高的检测精度。

关键词：计量学;新冠肺炎检测;卷积神经网络;禁忌遗传算法;CT图像;超参数优化

基金资助：国家自然科学基金(51605422);河北省自然科学基金(E2017203156,E2017203372)