唐瀟 趙衛績
摘要:為實現對新冠病毒感染CXR圖像進行準確的識別,提出了一種帶有判別性的“混合特征信息判別器”結構的改進VGG-19網絡模型。針對 CXR圖像存在噪聲點,且難以抽取區分性強的特征信息問題,將具有高強度特征提取能力的VGG-19作為主干網絡,采取冗余特征信息丟棄和不明顯特征信息增強的方式實現特征選取。在經過數據增廣技術的數據集上,首先,通過網絡提取出CXR圖像的空間特征信息;其次,從特征圖上挑選出更容易做出決斷的像素點;以此實現更少的模型參數量和更高的準確率。改進VGG-19網絡使用遷移學習,在ImageNet-100數據集上預訓練,再將訓練的最佳權重泛化到COVID-19 Radiography Database數據集上重新訓練,實驗結果表明:改進VGG-19對新冠病毒感染CXR圖像的識別的準確率、精確度和召回率分別達到了97.60%、98.89%、98.51%。與其他新冠病毒感染CXR圖像識別算法相比,改進VGG-19能夠準確地完成新冠病毒感染肺部圖像的分類識別,具備更好的識別性能。
關鍵詞:新冠病毒感染;混合特征信息判別器;VGG-19;數據增廣;遷移學習
中圖分類號:TP18 文獻標識碼:A
文章編號:1009-3044(2024)04-0032-05