基于深度残差网络的儿科肺炎辅助诊断算法

作者：张科; 张春晓

来源：中国医疗设备, 2022, 37(09): 42-56.

• 图像分类
• 卷积神经网络
• 儿科肺炎
• 计算机辅助诊断

目的 为丰富儿科肺炎辅助诊断算法，提高医生分析儿科肺炎X线影像图片的效率和质量，提出一种改进的卷积神经网络模型。方法 基于深度残差网络（ResNeXt-50），融合SE模块建立通道之间的关联，然后在模型构建过程中使用Leaky Re LU激活函数替代ReLU激活函数，并使用组归一化作为归一化方法，最后将预训练好的模型在Chest X-Ray数据集上进行训练测试，并以准确率（Accuracy）、召回率（Recall）以及精确率（Precision）作为评价指标。结果 网络模型的识别准确率、精确率和召回率分别达到了91.19%、89.70%和91.39%。结论 网络模型具有一定的实用性，能够更好地拟合肺炎图像数据集，能有效提升儿科肺炎图像分类的准确性，可作为临床上儿科肺炎的辅助诊断新方法。

• 单位
  山东省立医院; 山东第一医科大学