基于DenseNet的COVID-19 CT图像识别

摘要：

本文讨论了基于卷积神经网络中的DenseNet的网络模型在COVID-19 CT图像识别中的应用.首先解释了基于CT图像判别病例的事实依据,并介绍了DenseNet模型的特点及其优势所在,接着描述了实验中的数据集的来源,最后采用DenseNet-169模型进行了费雷实验,并对最终损失函数进行了优化.最终实验训练的模型验证集上运行得到了精确率为91％,召回率为79％,F1值为85％,准确率为85％,AUC值为94％的结果,模型较好的达到了预期,能够较为准确的识别输入的CT图片是否为COVID-19的病例.

关键词：卷积神经网络;DenseNet;COVID-19;CT图像

所属期刊栏目：17

分类号：TP18(自动化基础理论)

在线出版日期：2021-10-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：106-108