32、新冠疫情下医疗影像检测模型的研究进展与分析

新冠疫情下医疗影像检测模型的研究进展与分析

1. AlexNet相关研究

AlexNet模型曾赢得ILSVRC10竞赛，其前5错误率为17.0%。有研究对修改后的AlexNet和自定义CNN进行了对比，该对比是通过在CT扫描和X光图像上训练模型来完成的。
- 自定义CNN模型结构 ：包含输入层，接着是一个具有16个5×5过滤器和ReLU激活函数的卷积层，随后进行批量归一化，有两个全连接层，最后是一个具有两个神经元和SoftMax激活函数的输出层。权重使用Glorot初始化，损失函数为交叉熵。
- 修改后的AlexNet网络参数 ：输入大小为127×127×3，批量大小设为10，训练20个周期，学习率初始化为0.0003。
- 实验结果 ：自定义CNN在X光图像上的准确率为94%，在CT扫描图像上为94.1%；而修改后的AlexNet在CT扫描上的准确率为82%，在X光图像上为98%。不过，该研究的局限性在于模型仅训练了20个周期，若增加训练周期，准确率可能会进一步提高。

2. 集成模型研究

• MobileNetV2和SqueezeNet集成 ：研究人员将MobileNetV2和SqueezeNet集成用于从CXR图像中提取特征，然后使用SVM分类器将其分为正常、肺炎和COVID - 19三类。具体操作步骤如下：
  1. 使用模糊颜色技术对图像进行预处理。
  2. 将图像输入到MobileNetV2和SqueezeNet中，保持动量为0.9，衰减为0.00