26、基于深度学习模型的胸部X光图像新冠与肺炎检测

基于深度学习模型的胸部X光图像新冠与肺炎检测

1. 引言

过去三年，新冠疫情对全球人口的死亡率和健康产生了重大影响。新冠由严重急性呼吸综合征2型病毒（SARS - 2）引发，该病毒传染性强，主要通过人与人的身体接触传播。它不仅直接影响人体免疫系统，还会严重损害呼吸系统。

新冠患者通常会出现咳嗽、发烧、呼吸困难、味觉丧失、疲劳、头痛等症状，但也存在无症状传播的情况，这使得新冠更加危险和难以预测。2020 - 2021年美国因新冠导致的死亡率比正常死亡率增加了10 - 12%，美国北部地区更是高达25 - 27%。世界卫生组织在2020年3月宣布新冠为大流行病。

截至2022年，共经历了四次新冠疫情浪潮，第三波和第四波的确诊病例和死亡人数相对第一波和第二波较少，这得益于2021年英国科学家研发的多种新冠疫苗的广泛接种。然而，不同的新冠变种仍不时出现，例如2022年底在中国出现的BF.7变种。

从胸部X光（CXR）图像数据集区分新冠患者与肺炎、病毒性肺炎（VP）、肺结核（TB）等其他疾病患者，对医生和研究人员来说是一项极具挑战性的任务。准确诊断疾病对于患者的后续治疗至关重要，因此，基于CXR图像的新冠和肺炎自动诊断系统仍是当前的热门研究课题。

目前，研究人员采用了多种技术来有效诊断新冠，检测来源包括放射影像（如胸部X光图像、计算机断层扫描（CT）图像）、逆转录聚合酶链反应（RTPCR）等。但RTPCR检测过程漫长且需人工操作，通常需要1 - 2天才能得出最终诊断结果，且准确性和灵敏度较低。深度学习模型能够从CT图像中提取重要特征以高效检测新冠，但CT图像的生成成本高，数据集有限。因此，利用机器学习或深度学习技术从胸部X光图像中检测新冠疾病成为了当