一种可解释的非局部网络用于COVID-19诊断
原文中文，约200字，阅读约需1分钟。发表于：。本研究针对COVID-19影像诊断中的传统方法缺乏可解释性的问题，提出了一种新颖的深度残差3D注意力非局部网络（NL-RAN）。该模型通过嵌入非局部模块与3D注意力模块，不仅提高了分类性能，还通过热图提高了模型的可解释性，最终在CT影像分类上取得了优异的结果，AUC达到0.9903。
该研究提出了一种基于多任务深度学习的COVID-19患者识别方法，结合X射线和CT扫描图像，准确率分别为84.67％和98.78％。同时提出了一种定量分析策略，可确定感染区域百分比，为COVID-19检测和感染区域定位提供了有前景的结果。
