基于ChXNet的胸部X光肺炎检测方法

摘要

为解决当下肺炎胸部X光自动检测准确率低的问题,提出一种基于胸部X光分类网络(chest X-r ayclassification network,Ch XNet)的肺炎检测方法,该方法能够自动对胸部X光进行检测诊断。利用预处理操作来丰富特征的多样性,将高效通道注意力模块(efficientchannelattentionmodule,ECA)以密集连接的方式加入密集连接网络中,增强有用信息的传递同时抑制无用信息的传递,使用基于Dropout方法构建的多层过渡分类结构,增强对相似特征的描述能力,减少冗余特征。通过大量实验,Ch XNet在三分类(正常、非新冠病毒肺炎、新冠肺炎)和四分类(正常、细菌性肺炎、普通病毒性肺炎、新冠肺炎)检测的最高准确率分别为99.845%和97.842%,表明该方法准确率高,检测速度快,可在肺炎的检测中作为辅助诊断方法。