基于人工智能算法改进HDCN-ResNet18的新冠感染识别

打开文本图片集

摘  要：针对临床医师在诊断新型冠状病毒感染CT影像时会受主观因素产生误差而影响诊断准确率，提出了一种基于ResNet18改进的HDCN-ResNet18网络模型。首先在ResNet18中添加HAM混合注意力机制模块，提升网络的特征提取能力和关键特征的挖掘能力；其次改进ResBlock模块，引入可变形卷积替代模型中的普通卷积，增强感受野，提高整个模型的鲁棒性；在训练过程中使用迁移学习和数据增强扩充样本集避免造成过拟合现象，试验结果表明，提出的模型的分类准确率相比原模型提升约6%，达到93%。（剩余11685字）