深度学习与新冠肺炎-v2

讲师：王司图深度学习与新冠肺炎人工智能在医疗领域应用CRT（阴极射线管）显示器CathodeRay（阴极射线）伦琴射线（X光）X光用于医疗tomos=slice,sectionCT(ComputedTomography)试剂盒有限准确率较低（30-50%）需多次检测检测时间长（1天以上）核酸检测新冠肺炎CT与新冠肺炎COVID-19肺炎特征磨玻璃影胸膜凹陷征新型冠状病毒感染的肺炎诊疗方案(试行第五版)CT与新冠肺炎深度学习与新冠肺炎网络架构卷积(convolution)0001111100010101011111010卷积(convolution)0101110100001111100010101011111010卷积(convolution)01011101040001111100010101011111010卷积(convolution)010111010420001111100010101011111010卷积(convolution)0101110104230001111100010101011111010卷积(convolution)01011101042320001111100010101011111010卷积(convolution)010111010423240001111100010101011111010卷积(convolution)0101110104232420001111100010101011111010卷积(convolution)01011101042324240001111100010101011111010卷积(convolution)010111010423242420001111100010101011111010卷积(convolution)010111010423242425卷积(convolution)-1-1-1-18-1-1-1-1卷积(convolution)-1-1-1-18-1-1-1-1卷积(convolution)121242121

卷积(convolution)121242121

0000000000011001110000010100010111001101000000000Convpadded01011101014232424250000000000011001110000010100010111001101000000000Convpadded01011101011423242425池化(pooling)MaxpoolingAvgpooling4323214534455667432321453445566745672.53.54.55.50001111100010101011111010Conv(strides=2)01011101040001111100010101011111010Conv(strides=2)010111010430001111100010101011111010Conv(strides=2)0101110104340001111100010101011111010Conv(strides=2)0101110104345InceptionInceptionmodule(netinnet)3x3conv5x5conv3x3pool上层合并1x1conv减少神经网络参数整合不同通道信息稀疏矩阵->密集矩阵，加快收敛速度InceptionmoduleInceptionmodulewithKerasInceptionmodulewithKerasInceptionmodulewithKerasInceptionnetworkwithKeras数据样本44

新冠肺炎患者55典型肺炎患者数据样本195正样本258负样本数据样本237

训练样本216

验证样本结果评估Validation验证Internal(%)External(%)Accuracy准确率82.973.1Specificity特异度80.567Sensitivity灵敏度8474准确率：被识别出的样本数/总样本数特异度：被识别出的负样本数/总负样本数灵敏度：被识别出的正样本数/总正样本数结果评估Validation验证Internal(%)External(%)Accuracy准确率82.973.1Specificity特异度80.567Sensitivity灵敏度8474模型局限训练数据集规模小人工标注资源稀缺Adeeplearningalgorithmusing