唐瀟 趙衛(wèi)績

摘要：為實現(xiàn)對新冠病毒感染CXR圖像進行準確的識別，提出了一種帶有判別性的“混合特征信息判別器”結構的改進VGG-19網絡模型。針對 CXR圖像存在噪聲點，且難以抽取區(qū)分性強的特征信息問題，將具有高強度特征提取能力的VGG-19作為主干網絡，采取冗余特征信息丟棄和不明顯特征信息增強的方式實現(xiàn)特征選取。在經過數據增廣技術的數據集上，首先，通過網絡提取出CXR圖像的空間特征信息；其次，從特征圖上挑選出更容易做出決斷的像素點；以此實現(xiàn)更少的模型參數量和更高的準確率。改進VGG-19網絡使用遷移學習，在ImageNet-100數據集上預訓練，再將訓練的最佳權重泛化到COVID-19 Radiography Database數據集上重新訓練，實驗結果表明：改進VGG-19對新冠病毒感染CXR圖像的識別的準確率、精確度和召回率分別達到了97.60%、98.89%、98.51%。與其他新冠病毒感染CXR圖像識別算法相比，改進VGG-19能夠準確地完成新冠病毒感染肺部圖像的分類識別，具備更好的識別性能。

關鍵詞：新冠病毒感染；混合特征信息判別器；VGG-19；數據增廣；遷移學習

中圖分類號：TP18 文獻標識碼：A

文章編號：1009-3044（2024）04-0032-05