32、新冠疫情下医疗影像检测技术的研究进展

新冠疫情下医疗影像检测技术的研究进展

在新冠疫情的大背景下，利用医疗影像如胸部X光（CXR）、CT扫描等进行COVID - 19的检测和分类成为了研究热点。本文将介绍多种用于检测COVID - 19的模型和方法，并对它们进行比较分析。

1. AlexNet及相关改进模型

AlexNet模型曾赢得ILSVRC10竞赛，前5错误率为17.0%。有研究将改进的AlexNet与自定义CNN模型在CT扫描和X光图像上进行训练和比较。
- 自定义CNN模型结构 ：包含输入层，接着是一个有16个5×5滤波器和ReLU激活函数的卷积层，然后是批量归一化层、两个全连接层，最后是有两个神经元和SoftMax激活函数的输出层。权重使用Glorot初始化，损失函数为交叉熵。
- 改进AlexNet网络参数 ：输入大小为127×127×3，批量大小设为10，训练20个周期，学习率初始化为0.0003。
- 实验结果 ：自定义CNN在X光上的准确率为94%，CT扫描上为94.1%；改进AlexNet在CT扫描上的准确率为82%，X光上为98%。不过，该研究的局限性在于模型仅训练了20个周期，若增加训练周期可能会提高准确率。

2. 集成模型

为了获得更好的检测结果，研究人员尝试将多个模型集成在一起。
- MobileNetV2和SqueezeNet集成 ：作者将MobileNetV2和SqueezeNet集成用于从CXR图像中提取特征，然后使用SVM分类器将图像分为正常、肺炎和COVID - 19