基于特征融合的新冠病毒感染肺部CT图像分类

打开文本图片集

摘要：针对难以收集大量标注的高质量医学图像造成医学图像分类困难的问题，提出了一种基于迁移学习和特征融合的新冠病毒感染肺部CT图像分类方法，旨在提高图像分类的准确率与分类速度通过预处理和数据增强技术滤除无用特征，采用注意力模块更好地挖掘深层次的特征信息，同时运用一种二分类的焦点损失函数来解决数据集分布不平衡的问题实验结果表明，所用方法的图像分类准确率可达97.79%，相比较单个模型，准确率分别上升了2.61%和1.81%，有效地提高了新冠病毒感染肺部CT图像分类准确率；同时该分类模型具有较好的泛化性能，为提高医学图像分类准确率提供有效支持。（剩余829字）