典型文献
基于卷积神经网络的新冠肺炎CT图像识别系统
文献摘要：
新型冠状病毒肺炎具有以其传播速度快、传染率高的特点,使其成为全世界发病率和死亡率都极高的急性呼吸道传染病,肺部肺结节异常状态的正确识别和新冠肺炎是否感染的准确判别对于全世界医学发展与计算机算法逻辑都具有极其重要的发展意义.本项目所使用的卷积神经网络(CNN)就是通过计算机算法神经网络模拟大脑的学习分辨过程,先从识别图像数据基层初步提取特征,再用神经网络对基层特征进行概括与再聚合.系统以新冠肺炎CT图像为例,采用COVID-19 CHEST X-RAY DATABASE数据集,包含阳性1710张、阴性1345张.为提高检测精度采取了迁移学习的方法进行卷积神经网络的二次深度学习.通过实验得到,构建的模型可以完成是否患有新冠肺炎的分类判断,新冠患者CT影像的平均识别率可达92％,非新冠患者CT影像的平均识别率可达96％.
文献关键词：
新冠肺炎CT图像识别;卷积神经网络;训练准确度
中图分类号：
作者姓名：
张淙越;杨晓玲
作者机构：
珠海科技学院电子信息工程学院 广东 珠海 519041
文献出处：
引用格式：
[1]张淙越;杨晓玲-.基于卷积神经网络的新冠肺炎CT图像识别系统)[J].电脑与信息技术,2022(03):12-14,40
A类：
DATABASE,训练准确度
B类：
图像识别,识别系统,传播速度,传染率,发病率和死亡率,呼吸道传染病,肺结节,异常状态,计算机算法,算法逻辑,发展意义,本项,法神,识别图,图像数据,提取特征,再聚合,CHEST,RAY,高检,检测精度,迁移学习,行卷,患有,类判,识别率
AB值：
0.340647
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。
