26、疟疾与新冠检测：深度学习模型的应用与创新

疟疾与新冠检测：深度学习模型的应用与创新

1. 疟疾检测模型

在疟疾检测领域，研究人员运用深度学习技术开发了 VGG19 模型和自定义模型，以实现通过图像分类来预测疟疾的目的。

1.1 VGG19 模型训练参数

VGG19 模型在训练过程中采用了一系列特定的参数，具体如下表所示：
| 参数名称 | 类型/值 |
| — | — |
| 训练轮数（Epochs） | 50 |
| 批次大小（Batch size） | 32 |
| 优化器及学习率 | Adam |
| 误差函数 | 分类交叉熵（Categorial cross entropy） |
| 输入尺寸 | 224 × 224 |
| 池化方式 | 最大池化（Max） |
| 预训练权重 | ImageNet |

1.2 自定义模型架构与参数

自定义模型的图像输入格式为 50×50 像素的 RGB（三通道）图像。该架构由三层组成，每层包含四个组件，具体如下：
1. 卷积层（Convolution 2D layer） ：维度为 3×3，包含 32 个滤波器。
2. 最大池化层（Max-pooling layer） ：维度为 2×2。
3. 批量归一化层（Batch normalization layer） ：用于标准化每个小批量输入到层的数据，使用的轴为 chandim。
4. 丢弃层（Dropout layer） </