23、基于深度学习的 COVID-19 检测系统及智能医院应用探索

基于深度学习的 COVID-19 检测系统及智能医院应用探索

1. 胸部 X 光图像分类的改进 Alexnet 方法

在医疗图像分类领域，为了准确识别胸部 X 光图像中的异常情况，开发了一种基于改进 Alexnet 的深度学习网络。以下详细介绍该方法的构建过程：
- Alexnet 基础 ：Alexnet 是由 Krizhevsky 等人设计的卷积神经网络（CNN），它使用 ImageNet 数据库中的图像进行训练。预训练的 Alexnet 有 60 个参数，输入大小为 227×227，包含 5 个卷积层和 3 个全连接层。
- 图像预处理 ：为了使用 Alexnet 对胸部 X 光图像进行分类，首先将获取的图像调整为 227×227 的大小，并通过将通道连接三次，将灰度图像转换为 RGB 图像。
- 网络层修改 ：为了对胸部 X 光图像进行分类，对 Alexnet 的最后几层进行了修改。将最后的全连接层替换为新的层，对于三类分类，新层有三个神经元；对于二类分类，新层有两个神经元。同时，添加了 Softmax 层和分类输出层，分别用于确定每个标签的概率和对图像进行分类。
- Softmax 函数 ：用于激活输出，公式如下：
[
y_r(x) = \frac{\exp (a_r(x))}{\sum_{j=1}^{k} \exp (a_j(x))}
]
其中，(0 \leq y_r \leq 1) 且 (\sum_{j=1}^{k} y_j = 1)。
- 分类概率