陈宇峰，陈建文，侯佳仪

（1.兰州大学 数学与统计学院，兰州 甘肃 730107；2.兰州大学 外国语学院，兰州 甘肃 730107）

0 引言

2020年的新冠肺炎疫情让大众对于病毒性肺炎有了更加深刻的认识，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，通过使人体内部结构和器官形成影像，了解人体解剖与生理功能状况以及病理变化，以达到诊断的目的。根据《流行性感冒诊疗方案（2018年版）》：“并发肺炎者影像学检查可见肺内斑片状、磨玻璃影、多叶段渗出性病灶；进展迅速者，可发展为双肺弥漫的渗出性病变或实变，个别病例可见胸腔积液”。因为通过放射学影像（Radiography），可以对于患者的诊疗做出初步判断。

同时，在机器学习中，深度学习属于其研究中一个相对较新的方向，得益于计算机的发展和运算速度的提升，深度学习在今年来也成为了研究人员广泛使用的工具之一[2]。其主要目的是构建一系列多层的学习模型，通过对数据集数据进行训练，提取有效的特征信息，对一些未知信息进行有效预测，提高预测的准确率。作为最受欢迎且发展最快的深度学习框架之一，Keras支持GPU和CPU，此框架优点在于代码简洁，在搭建新的网络架构时能够极大地提高效率，同时支持TensorFlow等作为后端。

1 相关算法

卷积神经网络（Convolutional Neural Networks,CNN）也叫convnet，它是计算机视觉应用几乎都在使用的一种深度学习模型[2]，卷积神经网络有局部连接，权重共享和等变表示三个结构上的特点。因此这些特性使得卷积神经网络具有一定程度上的平移、缩放和旋转不变性[3]。……