基于肺部X光片的新冠肺炎检测方法
饶克东
谢凯
长江大学电子信息学院 湖北荆州 434023;长江大学电工电子国家级实验教学示范中心 湖北荆州 434023
摘要：为了更好更快地检测诊断新型冠状病毒肺炎(COVID-19),联合深度学习和迁移学习方法,提出了一种基于肺部X光片来诊断患者是否携带COVID-19的检测方法,并设计了SVRNet(separable VGG-ResNet)和SVDNet(separable VGG-DenseNet)模型.实验结果表明,相比于之前的网络模型,SVRNet的平均分类精度提高了3.15％,参数量下降了61.56％,SVDNet的平均分类精度提高了3.53％,参数量下降了55.31％.通过实验对比可以发现,新模型在提高精度的同时大大降低了参数量,提高了运行速度,可以准确快速地检测出含有COVID-19的X光片.
关键词：肺部X光片新型冠状病毒肺炎深度学习迁移学习图像检测
资助基金：新疆维吾尔自治区自然科学基金(2020D01A131)国家自然科学基金(61272147)湖北省教育厅项目(B2019039)
论文发表日期：2021-08-28
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：3( 16-18 )