基于深度学习的新冠肺炎CT图像检测方法研究.docxVIP

下载本文档

43
0
约2.8千字
约 6页
2023-06-15 发布于北京
举报
版权申诉

基于深度学习的新冠肺炎CT图像检测方法研究.docx

此“医疗卫生”领域文档为创作者个人分享资料，不作为权威性指导和指引，仅供参考

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

基于深度学习的新冠肺炎CT图像检测方法研究基于深度学习的新冠肺炎CT图像检测方法研究摘要：新冠肺炎已经成为全球性的公共卫生问题，快速准确地对病情进行分析和判断至关重要。本文旨在探究利用深度学习技术对新冠肺炎CT图像进行识别与分类的方法。作者针对新冠肺炎的临床特点，设计了三种不同的深度学习模型并进行了实验验证。实验结果表明，本文设计的各项模型均在新冠肺炎CT图像检测上取得了较好的效果，其中，以卷积神经网络为核心的模型效果最好，其检测精度可以达到97.36%左右。这一研究成果为临床医生提供了一种新的辅助检测手段，可帮助医生更准确地判断患者的病情。关键词：新冠肺炎，深度学习，CT图像，卷积