ARS-CNN算法在新冠肺炎识别中的研究

作者：易三莉; 王天伟^*; 杨雪莲; 佘芙蓉

来源：液晶与显示, 2021, 36(11): 1565-1572.

• 新冠肺炎
• 跳跃连接RFB结构模块
• 短连接aspp模块
• GC模块
• sSE模块

随着新冠肺炎的蔓延,为了准确诊断新冠肺炎,本文提出了一种改进的基于卷积神经网络的新冠肺炎识别算法即ARS-CNN算法。该算法在CNN网络结构的基础上,加入了新的功能模块:首先,为了捕获不同感受野的多尺度特征信息并加强网络对图像特征的利用,提出了跳跃连接RFB结构;其次,通过短连接aspp模块来改善网络在特征提取过程中图像分辨率减少所导致的局部信息丢失的问题;最后,将注意力机制GC模块与sSE模块进行融合实现对特征信息的筛选并完成特征信息之间的交互,从而提高新冠肺炎识别精度。在公开的COVID-19胸部X光数据集(Chest X-ray Database)上的实验表明,本文所提出的算法的加权平均准确率、精准率、召回率、FI分数、特异性分别为98.22%、97.91%、97.95%、97.92%、98.33%。与其他分类算法相比,本文所提出算法能够对肺部疾病进行高效识别,具有更高的识别性能。

• 单位
  自动化学院; 昆明理工大学