一种基于深度学习算法的新冠肺炎假阴性人工智能辅助筛查系统

摘要

本发明涉及人工智能技术领域，且公开了一种基于深度学习算法的新冠肺炎假阴性人工智能辅助筛查系统。新型冠状病毒因其通过呼吸道传播的快速传播特性而对传统医疗诊断带来了重大挑战，对预防、控制以及医治工作造成了巨大影响。因此，现在急需一种基于人工智能的快速疾病诊断方法，使其成为聚合酶链反应等高需求测试的替代。于是我们提出一种全新的人工智能检测方式：胸部X射线图像分析。但是，深度学习模型所需的充分和系统的数据收集的复杂性使学习更加困难，导致数据表现不佳。所以我们运用了一种新的图像分类技术：CoAtNet，它能够从胸部X射线图像和有关患者的元信息中识别新型冠状肺炎的生物标志物。所提出的模型在二类（新冠与正常）分类问题上的广泛实验结果优于不同的基准迁移学习模型，从而克服了上述缺点。