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，新型冠状病毒肺炎（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扫描可有效辅助识别。医学影像如CXR和CT扫描在快速诊断方面具有重要作用，而CXR图像处理在识别其他呼吸系统疾病时已被证明是一种重要的成像方式，因此也被广泛用于COVID - 19的评估。在COVID - 19大流行期间，许多深度卷积神经网络（DCNN）模型被提出，深度学习在医学图像检查、新药发现、疾病检测和诊断等方面有广泛应用。

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成本较低且易于获取，在COVID - 19自动诊断方面表现出色。在COVID - 19分类中，X射线在识别病毒方面具有挑战性但也很关键。在疫情初期，CXR在一线临床管理中广泛使用。不同的AI分类方法依赖大规模CXR数据集来检测患者感染COVID - 19的风险。为提高深度学习模型的准确性，需要定义明确且规模更大的COVID - 19阳性CXR数据集。本文使用在线标准CXR图像，在转移ResNet模型上进行训练，以检测COVID - 19病例，包括病毒感染和正常情况，这些图像还可用于通过即时诊断改善人群管理。

3. 研究动机

COVID - 19是一种严重急性呼吸综合征冠状病毒2（SARS - CoV - 2），可导致急性呼吸窘迫综合征及其