基于ResNeXt和改进nnU-Net的新冠感染早期诊断方法

作者：徐皓; 田振宇; 李超凡; 崔欣欣; 杨建兰^*

来源：计算机与现代化, 2023, (06): 21-26.

• ResNeXt
• 改进型nnU-Net
• 新冠感染早期诊断
• 肺部分割

新型冠状病毒感染早期感染表现为肺浑浊程度和密度增加等特征，为了解决早期患者电子计算机断层扫描（Computed Tomogra,CT）诊断与肺部病灶定位困难这一问题，提出一种ResNeXt和改进型nnU-Net(no-new-Net)的COVID-19(Corona Virus Disease 2019)诊断与肺部病灶分割实验方案。ResNeXt模型分类平均准确率Accuracy为0.8554,AUC面积为0.8951，精确率Precision为0.8321,F1得分为0.8132，改进型nnU-Net模型病灶分割平均Dice系数达到0.7663，相较其他模型分割能力综合提高16.4%。实验结果表明该方案能够增强新冠早期肺部CT图像感染特征提取能力，高效实现疾病分型和精准分割病灶。

• 单位
  甘肃中医药大学