新冠肺炎CNN预试验

2022-03-09-新冠肺炎CNN预试验

目的

1. 搭建一套可行的提取肺炎影像学特征的神经网络模型。

2. 通过学习病毒性肺炎、社区获得性肺炎的特征，减少在拟合小数据样本的CMV肺炎时的训练时长及过拟合的概率。

方法

1. 建立图像数据库：获取单中心开源的肺部CT图像，所有CT图像及诊断均由影像科医生审核并参考临床资料（CPR、痰培养等）给出标签。共收录社区获得性肺炎（CAP）4800张，新冠肺炎（covid19）13680张，正常肺CT图像11405张。分别随机抽取5000张新冠肺炎、正常肺CT与社区获得性肺炎组成平衡数据集，按照8：1：1的比例随机抽取组成训练集、验证集、测试集。

2. 模型搭建与预训练：基于Tensorflow2.4 实现了经典mobilenet模型，并实现tensorboard可视化。集成在IMAGEnet数据集下预训练的模型。

   Table 3

   The structure of MobileNet v2

   Layer(Funtions)	Output Shape	Stride	Filter shape
   Input Layer	None,256,256,3	/	/
   Conv1 (Conv+BN+ReLU6)	None,128,128,32	2	3 3 32
   inverted_residual (Linear)	None,128,128,16	1	1 1 32 *16
   inverted_residual_1 (ReLU6)	None,64,64,24	2	3  3 16 *24
   inverted_residual_2 (Linear)	None,64,64,24	1	11 24
   inverted_residual_3 (ReLU6)	None,32,32,32	2	3  3 24 *32
   inverted_residual_4 (Linear)	None,32,32,32	1	11 32
   inverted_residual_5 (Linear)	None,32,32,32	1	11 32
   inverted_residual_6 (ReLU6)	None,16,16,64	2	3332*64
   inverted_residual_7 (Linear)	None,16,16,64	1	11 64
   inverted_residual_8 (Linear)	None,16,16,64	1	11 64
   inverted_residual_9 (Linear)	None,16,16,64	1	1 164
   inverted_residual_10 (Linear)	None,16,16,96	1	1   1 64*96
   inverted_residual_11 (Linear)	None,16,16,96	1	11 96
   inverted_residual_12 (Linear)	None,16,16,96	1	1 196
   inverted_residual_13 (ReLU6)	None,8,8,160	2	33 96 *160
   inverted_residual_14 (Linear)	None,8,8,160	1	11 160
   inverted_residual_15 (Linear)	None,8,8,160	1	11 160
   inverted_residual_16 (Linear)	None,8,8,320	1	11160*320
   Conv (ReLU6)	None,8,8,1280	1	11320*1280
   Global average pooling	None,1280	1	Pool 8*8
   Dropout	None,1280	1	Probability = 0.2
   Clssifier(ReLU)	None,2	/	Classifier

   

3. 正式训练：将预训练模型删除分类层，将训练集、验证集向量化，输入模型，初始学习率设置为1e-4，采用adam算法优化学习率，设置分类数为3，最大epoch为30。训练在云端一台搭载了tensorflow2.4的RTX2080ti（10G显存）、6*E5cpu的服务器内实现。默认保存在验证集上表现最优的模型权重。

4. 测试模型效能：在测试集上进行模型能力测试，计算准确率、召回率、正确率、假阳性率、F1分数等评价指标，绘出ROC曲线并计算曲线下面积。

结果

MobilenetV2在epoch 22达到train acc 0.98，train loss 0.02；val acc 0.99，val loss 0.04，停止训练,训练过程未见过拟合。

Table 2

Auc=0.998