基于细粒度图像分类算法的新冠CT图像分类

作者：蔡茂; 刘芳^*

来源：吉林大学学报(信息科学版), 2023, 41(04): 676-684.

DOI：10.19292/j.cnki.jdxxp.2023.04.004

• 图像分类
• 双线性卷积神经网络
• 支持向量机
• 新冠肺炎

为解决新型冠状病毒肺炎(COVID-19:Corona Virus Disease 2019)计算机辅助诊断相关问题，建立双线性卷积神经网络模型，选取VGG(VGG:Visual Geometry Groupnetwork)16与VGG19网络作为特征提取子网络，将算法应用于新冠图像分类，并与基本图像分类算法进行对比。计算结果和病灶可视化分析表明，与其他深度学习网络模型相比，双线性卷积神经网络模型具有更高的精度，准确度高达95.19%。通过替换原始分类层，采用支持向量机分类器，模型分类准确度进一步提高至96.78%。研究结果证实了细粒度图像算法在新冠CT图像分类上的可行性，为快速正确诊疗新冠肺炎提供了可靠的工具。

• 单位
  长春工业大学