融合频率域特征的双路网络模型诊断新冠肺炎

来源：计算机工程与应用杂志2023年第5期北京时间：

作者：杨宇航, 林敏, 王长缨, 钟一文

单位：福建农林大学 计算机与信息学院，福州 350002

摘要：CT检查在新冠肺炎诊断中起着重要作用，为了能够在有限的CT胸部图像集中获得更多有关新冠肺炎的特征信息、建立更加敏感通用的诊断模型，提出了融合CT图像频域特征的双路网络模型（Dp-Net），该模型主干部分采用ResNet网络模型，并将卷积神经网络的训练过程分为两个部分，一部分提取CT图像空间域的特征，另一部分通过傅里叶变换提取频率域上的特征，将两者训练的结果按照一定的权重进行融合，融合后再由Layer4模块进行一次特征提取。在公开的COVID-CT数据集上与ResNet、VGG等传统的CNN模型进行了比较，也与Self-Trans和LA-DNN等一些改进的CNN模型进行了比较，并对不同权重的融合方案进行了比较，实验结果表明提出的Dp-Net模型在各种评价指标上取得了更好的结果。

关键词：新冠肺炎,CT图像,频率域,特征融合,卷积神经网络