基于改进Inception-ResNet-v2的儿童肺炎识别与分类

杨俊豪 Yang Junhao、马志庆 Ma Zhiqing、魏国辉 Wei Guohui、赵爽 Zhao Shuang

2023Laser & Optoelectronics ProgressMedicine被引 1开放获取

摘要

针对儿童肺炎图像难以准确诊断的问题，提出一种基于改进Inception-ResNet-v2的分类识别方法，以提高对不同类型的儿童肺炎图像的识别准确率。以Inception-ResNet-v2为基础网络，引入多尺度通道注意力模块，促进网络识别和检测极端尺度变化下的目标。加大网络stem层的卷积核大小，增大模型初期的有效感受野。为避免模型出现过拟合，减少了激活函数的使用，并使用SiLU激活函数来代替ReLU激活函数。针对数据集Chest X-ray中数据量较少的问题，对输入图像进行一定角度的旋转和随机水平的翻转以增强原始数据。实验结果表明，所提方法在儿童肺炎数据的二分类中准确率达到97.9%，三分类中准确率达到85.8%，证明该方法能够有效提高儿童肺炎的识别精度。

引用本文（GB/T 7714）

杨俊豪 Yang Junhao, 马志庆 Ma Zhiqing, 魏国辉 Wei Guohui, 等. 基于改进Inception-ResNet-v2的儿童肺炎识别与分类[J]. Laser & Optoelectronics Progress, 2023.

引文网络

参考文献与被引分析加载中…

DOI：https://doi.org/10.3788/lop221774

本站仅收录题录与摘要供学习参考，全文版权归属出版方；如有侵权请联系我们删除。