基于深度学习的COVID-19智能诊断系统

来源：计算机测量与控制杂志2023年第4期北京时间：

作者：贾楠,李燕,郭静霞,徐立,白金牛

单位：内蒙古科技大学包头医学院 计算机科学与技术学院

摘要：本研究旨在探索运用深度学习的方法辅助医生利用胸部X光片进行COVID-19诊断的可行性和准确性。首先利用公开的COVID-QU-Ex Dataset训练集训练一个UNet分割模型，实现肺部ROI区域的自动分割。其次完成对该公共数据集肺部区域的自动提取预处理。再次利用预处理后的三分类影像数据（新冠肺炎、其它肺炎、正常）采用迁移学习的方式训练了一个分类模型MBCA-COVIDNET，该模型以MobileNetV2作为骨干网络，并在其中加入坐标注意力机制（CA）。最后利用训练好的模型和Hugging Face开源软件搭建了一套方便医生使用的COVID-19智能辅助诊断系统。该模型在COVID-QU-Ex Dataset测试集上取得了高达97.98%的准确率，而该模型的参数量和MACs仅有2.23M和0.33G，易于在硬件设备上进行部署。该智能诊断系统能够很好的辅助医生进行基于胸片的COVID-19诊断，提升诊断的准确率以及诊断效率。

关键词：胸片;新冠肺炎;深度学习;分类模型;坐标注意力机制

基金资助：内蒙古自治区高等学校科学研究项目(NJZY22050)；包头医学院研究(BYJJ-KCRH202206)