12、基于胸部X光图像的COVID - 19检测TRNetCoV模型

基于胸部X光图像的COVID - 19检测TRNetCoV模型

1. 引言

2019年12月，新型冠状病毒疾病COVID - 19在中国武汉被发现。此后，全球确诊病例和死亡人数迅速增加。2020年3月11日，世界卫生组织（WHO）宣布COVID - 19为全球性大流行病。由于该疾病主要影响呼吸系统，胸部X光（CXR）和CT扫描可助力轻松识别病症。利用CXR和CT扫描等医学成像手段，能够实现快速诊断。CXR图像处理在识别大多数其他呼吸问题时，已被证明是一种重要的成像方式，因此研究人员广泛使用该方式来评估COVID - 19。在COVID - 19大流行期间，提出了许多深度卷积神经网络（DCNN）模型。深度学习（DL）在医学图像检查、新药发现、疾病检测与诊断以及其他案例研究（如肝炎病毒、COVID - 19预测）等方面得到了广泛应用。

2. 胸部X光图像在COVID - 19检测中的作用

CXR可作为预测COVID - 19进展和严重程度的辅助工具。基于人工智能（AI）技术，CXR成本更低且更易获取。与其他方法相比，X光在COVID - 19自动诊断中更易获取且性能最佳。在COVID - 19分类中，X光在抗击疫情中识别该疾病方面发挥着更具挑战性的作用。此外，CXR在疫情早期的一线临床管理中被广泛使用。不同的AI分类方法依赖大规模CXR数据集来检测个体患者感染COVID - 19的风险。为提高DL模型的准确性，需要定义明确且更大规模的COVID - 19阳性CXR数据集。

本研究使用在线可用的标准CXR图像，在转移的ResNet模型上进行训练，以检测包括病毒感染和正常情况的COVID - 19病例。这些CXR图像还可通过即时诊断改善人群管理。以下是该任务的一般