新型冠状病毒（COVID-19）感染者胸部X射线（Chest X-ray, CXR）图像不同于正常人,是诊断的有效依据。在ResNeXt模型基础上,加入交叉堆叠的通道注意力模块和残差注意力模块以及提出的维度降解模块,提出了针对COVID-19 CXR图像分类的COVID-SERA-NeXt模型。对公开访问的基准数据集COVIDx进行图像分类,实验结果显示,提出的COVID-SERA-NeXt模型在多项指标上优于其基础模型ResNeXt,其中准确率、宏召回率分别提高到96.11%、95.46%.经过ChestX-ray8医学图像预训练的COVID-SERA-NeXt模型对COVIDx数据集的分类性能更进一步提升。

1 相关工作
1.1 新冠肺炎辅助诊断
1.2 注意力机制
1.3 深度图像分类
2 实验数据集
3 模型与方法
3.1 注意力模块
3.2 维度降解模块
3.3 COVID-SERA-NeXt模型
3.4 模型预训练
4 实验结果与分析
4.1 数据增强测试
4.2 消融实验
4.3 不同模型性能比较
4.4 结果可视化
5 结论