计算机工程

作者：吕敬钦, 胡朗, 梁炜楠, 李广丽, 张红斌

单位：1. 华东交通大学软件学院，江西 南昌 3300132. 华东交通大学信息工程学院，江西 南昌 330013

关键词：COVID-19影像诊断,注意力蒸馏,对比互学习,样本过滤,自适应模型融合

基金：国家自然科学基金(62161011); 江西省科技厅重点研发计划重点项目(20223BBE51036); 江西省自然科学基金面上项目(20232BAB202004); 江西省教育厅科技项目(GJJ2200639); 江西省高校人文社科项目(TQ21203)

COVID-19是由新型冠状病毒毒株引发的疾病。现有COVID-19影像诊断模型存在优质样本匮乏、未充分挖掘样本间关系等问题。提出面向COVID-19影像诊断的注意力蒸馏对比互学习(ADCML)模型。构建递进式数据增强策略，包括自动数据增强与样本过滤，通过扩充图像数量并确保其质量主动应对优质样本匮乏问题；设计注意力蒸馏对比互学习框架，利用注意力蒸馏驱动异构网络互相学习各自注意力关注的病理知识，进而提取样本间对比关系，改善特征判别性；采用自适应模型融合模块，充分挖掘异构网络间互补性，完成COVID-19影像诊断。在3个公开数据集(包括CT图像和X-Ray图像)上的实验结果表明，该模型准确率分别达到89.69%、98.16%和98.91%，F1值分别达到88.62%、97.58%和98.47%，AUC分别达到88.95%、97.77%和98.90%。ADCML模型优于主流基线，具有较强鲁棒性，且递进式数据增强、注意力蒸馏及对比互学习形成合力，共同推动模型性能提升。

来源：2025年第8期

《计算机工程》期刊编辑部

查看计算机工程杂志2025年第8期