基于深度特征融合的肺炎影像识别研究
冯翔1
康文清2
吴瀚1
王风云1
王星皓1
季超1
1.潍坊医学院生命科学与技术学院,潍坊2610002.潍坊市益都中心医院,潍坊262500
摘要：在新型冠状病毒肺炎(COVID-19)疫情背景下,肺炎影像快速准确诊断显得尤为重要.针对肺炎影像纹理及细粒度特征受噪声影响大、常规手段识别率低等问题,本研究构建了一种新的基于跨层连接机制的多主干网络特征融合卷积模型.依托并行特征挖掘思路,利用多尺度感受野挖掘融合来捕获医学图像的局部细节,实现对COVID-19医学影像的筛查,提高诊断准确率.实验表明,本研究模型应用于COVID-19的X光数据集及CT数据集的识别率达到95％以上,对准确、高效诊断新型冠状病毒肺炎具有重大意义.
关键词：深度学习跨层连接深度融合特征识别医学影像
分类号：R318(医用一般科学)
资助基金：山东省自然科学基金(ZR2019BF037)
论文发表日期：2021-03-25
在线出版日期：2026-09-11（本平台首次上网日期，不代表文献的发表时间）
页数：5( 28-32 )
英文信息