基于多通道双注意力网络的COVID-19图像分类

作者：朱玲; 王明辉^*

来源：重庆理工大学学报：自然科学, 2023, 37(06): 222-231.

• COVID-19
• 深度迁移学习
• 多通道双注意力
• 卷积神经网络

针对逆转录聚合酶链反应对新冠肺炎(COVID-19)的检测存在一定的假阴性率、消耗时间过长等问题，提出了一种基于深度迁移学习的多通道双注意力网络(MDA-Net)对肺部图像进行检测。在深度迁移学习的框架下，引入了多通道双注意力模块，利用多个通道的位置关系，融合不同尺度的图像特征。将注意力机制和轻量级卷积神经网络相结合，扩大MDA-Net感受野，提高了对图像复杂区域和边缘区域的特征提取能力。MDA-Net在不同数据集上进行了实验，二分类任务和三分类任务分别能取得99.25%和99.39%的平均准确率，表现出良好的分类性能。

• 单位
  数理学院; 青岛科技大学