基于深度学习的胸腔病灶分类技术

下载PDF

导出

摘要针对现阶段基于深度学习的胸腔病灶分类技术大多采用经典的预训练模型,并采用全局胸片图像进行训练,学习到的冗余特征较多、效率较低的问题,提出将图像配准技术、图像分割技术与图像分类技术相结合的AC-DSENet模型,用其对胸部14种病灶进行分类。在ChestX-ray14数据集上进行实验验证,结果表明,AC-DSENet在14种胸部病灶的分类精度高,平均AUC值达到了0.828。

作者邵帅赵光哲

机构地区北京建筑大学电气与信息工程学院

出处《中文科技期刊数据库（引文版）医药卫生》 2022年第3期222-226,共5页

关键词医学图像分类卷积神经网络 X光胸片分析

分类号 R445 [医药卫生—影像医学与核医学]

引文网络
相关文献

1陈冠泽,傅城州.图像分割算法在X线胸片分析中的应用研究[J].电脑与信息技术,2022,30(1):17-20.
2刘开华,田岚,李锵,关欣.基于八度卷积神经网络的多标签胸部X光图像分类算法[J].天津大学学报（自然科学与工程技术版）,2023,56(4):381-390.
3武钊,郭喜云,田飞,张立超.青少年自发性少量纵隔气肿18例回顾分析[J].基层医学论坛,2022,26(28):144-147. 被引量：2
4管安娜,刘骊,付晓东,刘利军,黄青松.面向大规模胸片图像的深度哈希检索[J].中国图象图形学报,2023,28(2):601-612. 被引量：1
5刘太强.职业病体检疑似尘肺病调查结果分析[J].中西医结合心血管病电子杂志,2020,0(2):193-193.
6李晓波,刘迅,薛志远,丁振瀚.基于一种解释结构模型方法的海外重大基础设施项目风险防控工作效率衡量[J].项目管理技术,2023,21(3):73-78.
7钟本海.婴幼儿胸片DR摄影技术与质量控制分析[J].中国科技期刊数据库医药,2022(5):136-139.
8王文亮,杨晓迪,张博雅,马吉顺,曾鹏,韩鹏.轻量化卷积神经网络在船舶分类中的应用[J].激光与光电子学进展,2023,60(6):63-70. 被引量：2
9徐先峰,李芷菡,刘状壮,王轲,马志雄,姚景杰,蔡路路.基于半监督学习标签传播-极端随机树算法的光伏阵列故障诊断及定位[J].电网技术,2023,47(3):1038-1046. 被引量：2
10李鑫鑫,刘群锋.基于改进人工蜂群算法的多阈值图像分割[J].计算机技术与发展,2023,33(5):75-80. 被引量：3

中文科技期刊数据库（引文版）医药卫生

2022年第3期

浏览历史

内容加载中请稍等...

基于深度学习的胸腔病灶分类技术

相关作者

相关机构

相关主题

浏览历史