基于ConvNeXt网络的新冠肺炎X射线图像诊断方法

作者：张帅; 张俊忠; 曹慧^*; 仇大伟^*; 吉旭瑞

来源：激光与光电子学进展, 2023, 60(14): 20-28.

• 图像处理
• X射线图像
• 新冠肺炎
• 注意力机制
• 长短期记忆网络

卷积神经网络（CNN）在新冠肺炎X射线图像分类中取得诸多成果，但卷积结构只能学习到特征图相邻空间位置的上下文信息。为了更好地结合胸部X射线图像全局信息，除了提高CNN的深度，所提网络通过设计主干网络ConvNeXt、聚合注意力模块、长短期记忆网络，更加关注全局与局部信息的交互性。对公开访问的COVID-19Radiography Database数据集图像分类，所提网络在三分类实验中相较于基础模型ConvNeXt在准确率、精确率、召回率上分别提高1.60个百分点、1.23个百分点、1.76个百分点，且其在多项实验指标上优于Vision Transformer、SwinTransformer，准确率、精确率、召回率、特异度分别提高到95.6%、96.03%、95.76%、97.53%。另外选用Chest X-ray数据集进一步验证所提网络泛化能力，采用Score-CAM算法验证其有效性。实验结果表明，所提网络对新冠肺炎X射线图像具有较好的分类效果。

• 单位
  山东中医药大学; 第一临床医学院