魏榕剑，邵剑飞

（昆明理工大学，云南 昆明 650031）

0 引 言

肺炎是一种由细菌、病毒及真菌引起的肺部疾病，可以引起肺部感染[1]，病情严重时甚至可能导致病人死亡[2]。肺炎可以通过放射检查来检测，如常规放射检查、CT或MRI，医生会通过检查病人的胸部X光片来诊断肺炎[3]。在发展中国家，肺炎的死亡率特别高。及时发现肺炎、为肺炎患者提供治疗，对于肺炎的治疗和降低死亡率意义重大。全胸部X光是目前提供肺炎正确诊断和检测的最佳方法[4]。要诊断并发现肺炎，需要仔细检查胸部X光图像，这要求放射科医生或专家具有丰富经验和专业知识，使得肺炎的检测过程成为一项具有挑战性的任务[5]。对于发展中国家的偏远地域，医疗资源分布不均匀，诊断肺炎对于基层医疗机构来说非常困难。针对这一问题，计算机辅助诊断可以帮助医生快速完成肺炎诊断，具有重要的实际意义。

近年来，随着深度学习和神经网络的不断发展，深度学习和卷积神经网络（Convolutional Neural Networks，CNN）被广泛应用于医学影像领域，在有影像数据集的领域的研究不断加深。Rajpurkar等人[6]提出一个基于ChestX-Ray14训练的121层卷积神经网络CheXNet算法，并用4位职业的学术放射科医师标注的测试集进行测试，可检测14种疾病，该模型在F1指标上的诊断达到了职业放射科医生的平均水平，但对于肺炎，其检测精度达到92.52%，还有待提升。Khoiriyah等人[7]提出了一种基于CNN结构的模型，采用不同的深度卷积神经网络结构和增强策略来对胸部X线图像中……