论文部分内容阅读
在新型冠状病毒肺炎(COVID-19)疫情背景下,肺炎影像快速准确诊断显得尤为重要。针对肺炎影像纹理及细粒度特征受噪声影响大、常规手段识别率低等问题,本研究构建了一种新的基于跨层连接机制的多主干网络特征融合卷积模型。依托并行特征挖掘思路,利用多尺度感受野挖掘融合来捕获医学图像的局部细节,实现对COVID-19医学影像的筛查,提高诊断准确率。实验表明,本研究模型应用于COVID-19的X光数据集及CT数据集的识别率达到95%以上,对准确、高效诊断新型冠状病毒肺炎具有重大意义。