典型文献
基于迁移学习和多参数融合优化的COVID-19辅助诊断模型
文献摘要：
目的 针对传统CT影像诊断准确性不高和效率低下问题,探讨深度学习技术在影像学中辅助诊断COVID-19的模型研究.方法 首先构建早期、进展期和重症期三类别的COVID-19影像学数据集,然后构建一个基于VGG-16迁移学习的诊断COVID-19的初始模型,最后通过逐步对全连接层网络结构、激活函数、损失函数、优化算法、学习率和样本批次大小的多参数融合优化,设计出一个COVID-19辅助诊断模型.结果 在COVID-19影像学测试集上COVID-19辅助诊断模型的准确率为98.10％,其中早期、进展期和重症期样本的敏感度分别为0.97、1.00、0.97,F1-score分别为0.98、0.97、0.99.结论 通过迁移学习和多参数融合优化策略,设计的COVID-19辅助诊断模型在测试集上有较高的准确率.在防控疫情时,辅助诊断模型能帮助医务工作者提高工作效率.
文献关键词：
迁移学习;深度学习;辅助诊断;COVID-19;CT
中图分类号：
作者姓名：
蒋正锋;许昕
作者机构：
广西民族师范学院数理与电子信息工程学院,广西 崇左 532200;广西南宁市悦美韩星医疗门诊部,广西 南宁 530023
文献出处：
引用格式：
[1]蒋正锋;许昕-.基于迁移学习和多参数融合优化的COVID-19辅助诊断模型)[J].分子影像学杂志,2022(02):157-166
A类：
B类：
迁移学习,多参数融合,辅助诊断,诊断模型,影像诊断,诊断准确性,下问,深度学习技术,进展期,VGG,初始模型,全连接层,激活函数,损失函数,学习率,测试集,score,防控疫情,医务工作者,提高工作效率
AB值：
0.254751
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
