基于深度学习的新冠肺炎影像学诊断

摘要：

在新冠病毒疫情之下,由于标本的类型、采集方法、运输以及试剂盒性能局限性等各种因素的影响,核酸检测筛查新冠肺炎的阳性率并不十分理想.为准确快速地对疑似病例进行诊断,胸部X射线影像识别成为筛查病人的主要手段.对于一线影像科医生而言,每天要诊断海量的胸透影像,用人眼诊断影像耗时又耗力.利用卷积神经网络设计出一款基于深度学习的新冠肺炎影像学诊断,并利用MBGD对模型进行优化.最终实验结果表明,该方法对于新冠肺炎影像诊断准确率达到96.23％,可以大大提升医生的工作效率.

关键词：深度学习、卷积神经网络、新冠肺炎、X射线影像识别

所属期刊栏目：60

分类号：TP391.4(计算技术、计算机技术)

在线出版日期：2022-10-11（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：149-151