来源：期刊VIP网 时间：
作者：黎珂源;张清华;靳朋仁;谢秦;
单位：重庆邮电大学计算智能重庆市重点实验室;重庆邮电大学大数据智能计算重点实验室;重庆邮电大学旅游多源数据感知与决策技术文化和旅游部重点实验室;
摘要：肺炎作为常见的呼吸系统疾病，准确、快速地诊断对患者的健康恢复至关重要。随着医疗技术的革新和人工智能的发展，计算机辅助诊断在医学领域的应用日益广泛。深度学习在肺炎检测领域取得了显著的成果，但其庞大的参数数量和复杂的网络结构导致训练时间长、计算资源消耗大等局限性。为了解决上述问题，提出了一种基于宽度学习系统变体结构的肺炎检测方法。该方法在原始宽度学习系统的基础上，引入了级联金字塔结构；同时，利用预训练的EfficientNet网络作为前置特征提取器；此外，还提出了适用于该模型的增量学习算法，包括增加额外的增强节点、特征节点和训练样本，以进一步优化模型性能；最后，在公开的肺炎胸部X射线数据集上进行了对比实验。实验结果表明，该方法实现了92.83%的准确率，AUC值高达98.86%,与众多深度卷积神经网络相比，具有相似的精度，同时大幅缩短了模型的训练时间。
关键词：肺炎检测;宽度学习系统;级联金字塔;增量学习
基金资助：国家自然科学基金(62276038); 重庆市创新研究群体科学基金(cstc2019jcyjcxttX0002); 重庆市教委重点合作项目(HZ2021008); 重庆市人才计划项目(CQYC20210202215); 重庆市自然科学基金创新发展联合基金(CSTB2023NSCQ-LZX0164)
