基于异常检测与注意力机制的COVID-19识别模型

作     者：杜智华 杨文凯 DU Zhi-hua;YANG Wen-kai

作者机构：深圳大学计算机与软件学院广东深圳518000 

出 版 物：《计算机仿真》 (Computer Simulation)

年 卷 期：2023年第40卷第3期

页      面：326-332,337页

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金项目(U1713212,61572330,61836005,61702341) 深圳市科技计划项目(JCYJ20170302143118519,GGFW2018021118145859,JSGG20180507182904693) 

主　　题：新冠肺炎 深度学习 异常检测 注意力机制 

摘      要：旨在开发一种新的深度学习模型,以便从大量的胸部X光片中快速、可靠地筛查新冠肺炎患者。主要胸部X光片影像特征提出了一种融合异常检测技术以及Attention机制的COVID-19识别模型(Dev-SEDenseNet、Dev-SEResNet)。其中,Attention机制通过对CNN网络提取的特征分配注意力权重,能够在一定程度上排除无关信息的干扰。其次,将深度异常检测技术与卷积神经网络结合,能够更好地帮助模型学习异常数据特征。上述两个模型相较于原始DenseNet、ResNet算法性能指标有了较大提升,可以有效提高新冠肺炎预诊率。