摘要:為提高醫(yī)學(xué)影像的識(shí)別準(zhǔn)確率和效率,減少人為主觀因素造成的誤差,采用深度學(xué)習(xí)的方法自動(dòng)識(shí)別正常肝與肝硬化影像,并針對(duì)傳統(tǒng)卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)復(fù)雜,訓(xùn)練參數(shù)多和效率低等問題,使用基于卷積神經(jīng)網(wǎng)絡(luò)中的一種輕量級(jí)模型結(jié)構(gòu)SqueezeNet;并利用遷移學(xué)習(xí)的方法,通過預(yù)訓(xùn)練和微調(diào)參數(shù),可以避免數(shù)量集過少時(shí)而產(chǎn)生的過擬合題,并且實(shí)驗(yàn)結(jié)果取得了較好的分類效果;首次提出使用遷移學(xué)習(xí)后的輕量級(jí)卷積神經(jīng)網(wǎng)絡(luò)與傳統(tǒng)的模式識(shí)別算法支持向量機(jī)相結(jié)合,實(shí)現(xiàn)對(duì)醫(yī)學(xué)圖像的分類,最終實(shí)驗(yàn)準(zhǔn)確率進(jìn)一步提高。
注:因版權(quán)方要求,不能公開全文,如需全文,請(qǐng)咨詢雜志社
國際刊號(hào):2096-7586
國內(nèi)刊號(hào):42-1907/C