典型文献
基于轻量级神经网络的新冠肺炎CT新型识别技术
文献摘要：
目的:为了满足临床新冠肺炎检测的实际需求,提出一种基于轻量级人工神经网络的新冠肺炎CT新型识别技术.方法:首先,选取目前公开的所有新冠肺炎CT图像数据集,经过图像亮度规范化和数据集清洗后作为训练数据,通过大样本提高深度学习的泛化能力;其次,采用GhostNet轻量级网络简化网络参数,使深度学习模型能够在医用计算机上运行,提高新冠肺炎CT诊断的效率;再次,在网络输入中加入肺部区域分割图像,进一步提高新冠肺炎CT诊断的准确性;最后,提出加权交叉熵损失函数减小漏诊率.结果:在本研究构建的数据集上进行测试,所提出方法的精确率、召回率、准确率和F1值分别为83％、96％、90％和88％,且在医用计算机上耗时为236 ms.结论:本研究提出方法的效率和准确性均优于其他对比算法,能较好地适应新冠肺炎诊断的需求.
文献关键词：
新冠肺炎;电子计算机断层扫描;轻量级网络;识别技术;GhostNet
中图分类号：
作者姓名：
郭艺;杜秋晨;吴朦朦;马鹏涛;李冠华
作者机构：
火箭军特色医学中心麻醉科,北京100088;北京航空航天大学电子信息工程学院,北京100191;火箭军特色医学中心影像科,北京100088
文献出处：
引用格式：
[1]郭艺;杜秋晨;吴朦朦;马鹏涛;李冠华-.基于轻量级神经网络的新冠肺炎CT新型识别技术)[J].中国医学物理学杂志,2022(10):1263-1269
A类：
肺部区域分割
B类：
轻量级神经网络,肺炎检测,人工神经网络,图像数据集,图像亮度,洗后,训练数据,大样本,高深,泛化能力,GhostNet,轻量级网络,网络参数,深度学习模型,医用,加权交叉熵损失函数,漏诊率,研究构建,精确率,召回率,ms,对比算法,肺炎诊断,电子计算机断层扫描
AB值：
0.293482
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。
