基于类残差卷积和LSTM的COVID-19识别系统技术方案

本公开提供了一种基于类残差卷积和LSTM的COVID

【技术实现步骤摘要】
基于类残差卷积和LSTM的COVID
‑
19识别系统


[0001]本公开属于图像处理
，尤其涉及一种基于类残差卷积和LSTM的COVID
‑
19识别系统。

技术介绍

[0002]本部分的陈述仅仅是提供了与本公开相关的
技术介绍
信息，不必然构成在先技术。
[0003]新型冠状病毒(CoronaVirusDisease2019，COVID
‑
19)是由一种冠状病毒引发的肺部炎症，目前已成为全球性的重大公共卫生事件。反转录
·
聚合酶链反应(reverse transcription
‑
polymerase chain reaction,RT
‑
PCR)检测是检测新型冠状病毒的黄金手段，但在疫情爆发初期以及爆发集中的地域，RT
‑
PCR检测试纸往往供不应求且检测经济成本较大；研究人员考虑利用基于图像识别技术的图像分类识别策略，基于肺部CT图像的分类是来判别图像中是否存在COVID
‑/>19；但是，专利本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于类残差卷积和LSTM的COVID
‑
19识别系统，其特征在于，包括：图像获取模块，其配置为获取待识别的肺部CT图像数据；多级特征提取模块，其配置为利用预训练的类残差卷积神经网络模型对所述肺部CT图像数据进行多级特征提取；融合特征提取模块，其配置为按时间步将所述多级特征输入到预训练的LSTM中，取最终时间步的记忆细胞作为融合特征；分类识别模块，其配置为将所述融合特征输入全连接层进行COVID
‑
19的分类识别。2.如权利要求1所述的一种基于类残差卷积和LSTM的COVID
‑
19识别系统，其特征在于，所述类残差卷积神经网络模型采用串行结构的卷积神经网络或并行结构卷积神经网络。3.如权利要求1所述的一种基于类残差卷积和LSTM的COVID
‑
19识别系统，其特征在于，针对串行结构的卷积神经网络，将其划分为预设数量的卷积块，每个卷积括中包括预设数量的卷积层和池化层；将所述肺部CT图像数据输入预训练的卷积神经网络模型中，分别从每个卷积块中获得不同尺度的特征。4.如权利要求1所述的一种基于类残差卷积和LSTM的COVID
‑
19识别系统，其特征在于，针对并行结构的卷积神经网络，将所述肺部CT图像数据输入预训练的卷积神经网络模型中，输出不同尺度特征。5.如权利要求1所述的一种基于类残差卷积和LSTM的COVID
‑
19识别系统，其特征在于，所述类残差卷积神经网络模型提取的不同尺度的特征，均采用不同输出形状的全连接层进行整流，将不同尺度的特征矩阵转化为具有相同形状的矩阵。6.如权利要求5所述的一种基于类残差卷积和LSTM的COV...

【专利技术属性】
技术研发人员：王新刚，吕建东，
申请(专利权)人：齐鲁工业大学，
类型：发明
国别省市：