-
题名卷积神经网络与迁移学习的颅脑癌症识别方法的研究
被引量：3
- 1
-
-
作者
蒋佳旺
陈艳
王佳庆
-
机构
淮安市第二人民医院设备科
-
出处
《中国医疗设备》
2020年第9期70-73,83,共5页
-
文摘
目的探讨深度卷积神经网络(Convolutional Neural Network,CNN)联合迁移学习(Transfer Learning,TL)辅助识别诊断颅脑癌症的方法。方法介绍了深度CNN、TL基本原理,建立深度CNN联合TL模型,使用FCNN、CNN、AlexNet、VGGNet、GoogLeNet、AlexNet-TL、VGGNet-TL以及GoogLeNet-TL模型对我院颅脑CT图像进行分类,并使用灵敏度、特异性以及准确率为评价指标对不同方法性能进行评定。结果随机初始化网络参数的FCNN、CNN、AlexNet、VGGNet以及GoogleNet模型脑肿瘤模式识别准确率分别为70.2%、76.5%、82.7%、80.9%以及82.5%,而通过利用开源的大数据集ImageNet预训练深度CNN,优化模型参数的AlexNet-TL、VGGNet-TL、GoogleNet-TL脑肿瘤模式识别准确率分别为86.9%、90.2%以及93.4%。结论深度CNN联合TL模型可实现对颅脑癌症的智能识别和分类,有助于减少医生工作强度,基于深度CNN联合TL模型的颅脑癌症辅助诊断识别方法有效可行。
-
关键词
深度卷积神经网络
迁移学习
颅脑癌症
诊断
-
Keywords
deep convolutional neural network
transfer learning
brain cancer
diagnosis
-
分类号
R730.2
[医药卫生—肿瘤]
-
