换一批
换一批基于深度可分离稠密网络的新型冠状病毒肺炎X线图像检测方法研究
Research on coronavirus disease 2019 (COVID-19) detection method based on depthwise separable DenseNet in chest X-ray images
摘要新型冠状病毒肺炎肆虐全球,为了更加快速地诊断新型冠状病毒肺炎(COVID-19),本文提出一种深度可分离稠密网络DWSDenseNet,以2 905例COVID-19胸部X线平片影像作为实验数据集,在网络训练前使用限制对比度自适应直方图均衡化(CLAHE)算法对图像进行预处理,增强图像的对比度,将预处理之后的图像放入训练网络中,采用Leaky ReLU作为激活函数,调整参数以达到最优.本文引入VGG16、ResNet18、ResNet34、DenseNet121和SDenseNet模型进行比较,所提出的网络在三分类实验中相较于ResNet34在准确率、灵敏度和特异性上分别提高了2.0％、2.3％、1.5％.相对于改进前的SDenseNet网络,本文模型的参数量减少了43.9％,但分类效果并未下降.通过对比实验可以发现,本文所提出的深度可分离稠密网络对COVID-19胸部X线平片影像数据集具有良好的分类效果,在保证准确率的情况下,深度可分离卷积能够有效地降低模型参数量.
更多相关知识
栏目名称
DOI
10.7507/1001-5515.202005056
发布时间
2020-09-23
基金项目
国家自然科学基金面上项目（81973981）；
山东省重点研发计划软科学项目（2019RKB14090）；
山东省研究生指导能力提升项目（SDYY17119）；
山东省中医药科技发展计划项目（2019-0056）；
山东中医药大学教育教学研究课题（ZYY2019048,ZYY2019049）；
山东中医药大学高等教育研究课题（GJYJY202021）
- 浏览97
- 被引27
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
