基于特征融合的新冠病毒感染肺部CT圖像分類

打開文本圖片集

摘要：針對難以收集大量標(biāo)注的高質(zhì)量醫(yī)學(xué)圖像造成醫(yī)學(xué)圖像分類困難的問題，提出了一種基于遷移學(xué)習(xí)和特征融合的新冠病毒感染肺部CT圖像分類方法，旨在提高圖像分類的準(zhǔn)確率與分類速度通過預(yù)處理和數(shù)據(jù)增強(qiáng)技術(shù)濾除無用特征，采用注意力模塊更好地挖掘深層次的特征信息，同時運(yùn)用一種二分類的焦點損失函數(shù)來解決數(shù)據(jù)集分布不平衡的問題實驗結(jié)果表明，所用方法的圖像分類準(zhǔn)確率可達(dá)97.79%，相比較單個模型，準(zhǔn)確率分別上升了2.61%和1.81%，有效地提高了新冠病毒感染肺部CT圖像分類準(zhǔn)確率；同時該分類模型具有較好的泛化性能，為提高醫(yī)學(xué)圖像分類準(zhǔn)確率提供有效支持。（剩余829字）