一种基于肺部CT影像的COVID-19分类识别方法发明专利.pdfVIP

一种基于肺部CT影像的COVID-19分类识别方法 技术领域 本发明涉及医疗影像识别技术领域，更具体的说是涉及一种基于肺部CT 影像的 COVID-19 分类识别方法。 背景技术 由于COVID-19 具有传染性强的特点，快速准确地检测病原病毒对后续治疗、隔 COVID-19 CT 离有至关重要的意义。 常见检测手段有核酸试剂检测和 检查。临床研 究显示核酸试剂检测对疑似症状的患者首次检测假阴性高，且存在检测环境要求高， (CT) COVID-19 流程严格，耗时长的问题，不易大规模推广使用。计算机断层扫描 检测 具有灵敏度高、漏诊率低、设备普及程度高等特点，能够对核酸检测起到很好的补充 效果。COVID-19 患者早期肺部成像主要以磨玻璃样密度影为主，铺路石征 明显；“ ” 几天后，病灶密度会明显增大，可见晕征和反晕征；随着病情的加重，双侧肺部病变 类似于 白肺 ；后期病灶密度逐渐减少，病变范围缩小。因此根据“ ” COVID-19 患者的 CT COVID-19 肺部 图像特征，可获取 患者肺部病变成像。 目前，COVID-19病毒严重威胁人类的生命健康，随着就诊需求的急剧上升，现 有医疗资源及诊疗能力不足以应对，加之核心疫区医院内的人员密度增大，交叉感染 CT COVID-19 风险剧增。基于肺部 影像的 计算机识别学习模型的开发迫在眉睫。 CT COVID-19 因此，如何提供一种基于肺部 影像的 分类识别方法是本领域技术 人员亟需解决的问题。 发明内容 CT COVID-19 有鉴于此，本发明提供了一种基于肺部 影像的 分类识别方法，通 过选择个体分类器，并最终构建集成分类器 EDL-COVID，实现对新型冠状病毒 COVID-19 CT 肺部 影像的快速识别。 为了实现上述目的，本发明提供如下技术方案： CT COVID-19 一种基于肺部 影像的 分类识别方法，其特征在于，包括如下步骤： CT CT COVID CT 数据收集：采集正常肺部 影像、肺部肿瘤 影像、 肺部 影像， 得到三个样本子集，并构成样本集； AlexNet GoogleNet ResNet 子模型预训练：采用迁移学习法，分别对 、 、 三个卷 积神经网络进行预训练，分别得到三个卷积神经网络的初始化参数； 个体分类器训练：将样本集分别输入至预训练完成的三个卷积神经网络，得到三 个个体分类器； 分类器集成：采用集成学习法对三个个体分类器进行集成，获得集成分类器模型。 CT CT 优选的，所述数据收集步骤，还包括，将采集的正常肺部 影像、肺部肿瘤 COVID CT 影像、 肺部 影像统一命名后，进行图像尺寸归一化，得到三个样本子集。