基于深度学习框架keras的病毒性肺炎放射学影像识别

摘要

受到新型冠状肺炎（COVID-19）的影响,截至2020年11月25日,全球累计确诊人数已超过6000万。人们对于病毒性肺炎的重视程度也越来越高,基于放射学影像（Radiography）数据的分析是对于病毒性肺炎的重要诊疗手段之一。同时,作为深度学习领域应用最广泛的框架之一,Keras也常常被应用于深度学习的图像识别领域。为辅助普通医疗人员对于病毒性肺炎的诊断与判断。本文利用Tensorflow、Keras为框架的深度学习模型,设计出一套高效快捷的针对病毒性肺炎的放射学识别系统,并通过验证集验证其有效性,通过比较不同的Steps Per Epoch参数选取,探究在少量数据条件下,模型的稳定性及泛化能力。实验表明,本模型在少量的数据集条件下,模型仍能达到90%以上的识别精度。