期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到2篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
TA2NN:一种基于自编码的B超乳腺肿瘤识别神经网络模型 被引量：1
1
作者 孔德仕 《现代计算机》 2020年第14期44-48,共5页
B超是临床常用于检测乳腺的诊断方式之一,但由于本身自带斑纹噪声以及图像对比度低等造影缺陷,医生难以准确地判断肿瘤的良恶性。基于单幅B超图像的乳腺肿瘤良恶性识别能在临床上辅助医生进行诊断。传统方法从原始灰度图中手工提取出灰... B超是临床常用于检测乳腺的诊断方式之一,但由于本身自带斑纹噪声以及图像对比度低等造影缺陷,医生难以准确地判断肿瘤的良恶性。基于单幅B超图像的乳腺肿瘤良恶性识别能在临床上辅助医生进行诊断。传统方法从原始灰度图中手工提取出灰度、形态及纹理特征,并采用SVM等浅层学习分类器进行识别。在自然图像处理中取得很好效果的VGG16、Inception v3等已有的卷积神经网络模型难以适用于具备小样本特性的医学图像。其次,多次卷积及下采样操作,使得原始图像中的低维特征丢失,降低了识别准确率。因此,提出一种新的神经网络模型TA2NN。TA2NN将B超图像的单一输入转化为2个输入分流,分别为包含肿瘤内部信息的中心窗口图像的输入流以及一副进行2倍下采样的原始图像输入流,并采用预训练的降噪自编码器从输入图像中提取低维与高维特征。经过实验表明,该神经网络能有效提升识别准确率,并且对带有较大噪声的样本具有一定的鲁棒性。 展开更多
关键词 降噪自编码 卷积神经网络 乳腺肿瘤识别
下载PDF
改进型深度学习模型在乳腺肿瘤良恶性鉴别中的应用 被引量：3
2
作者 邓竹琴 俞永伟 《中国医学物理学杂志》 CSCD 2020年第11期1469-1473,共5页
目的:解决传统方法在临床中对病理图像检测不足以及人工判断导致的错误判断等问题。方法:使用乳腺肿瘤细胞数据集,首先对数据集进行数据增强,增强后数据集为原来的2倍,将增强后数据集输入到本文提出的模型中进行训练。结果:经过100次迭... 目的:解决传统方法在临床中对病理图像检测不足以及人工判断导致的错误判断等问题。方法:使用乳腺肿瘤细胞数据集,首先对数据集进行数据增强,增强后数据集为原来的2倍,将增强后数据集输入到本文提出的模型中进行训练。结果:经过100次迭代,训练集的准确率为97.44%,在测试集中准确率为96.4%,召回率为95.5%,与同类型文献相比都有明显提高。结论:本文章提出的改进型卷积神经网络具有收敛快,泛化好等特点。可以对乳腺肿瘤细胞的良恶性进行有效的辨识分类。 展开更多
关键词 卷积神经网络 乳腺癌细胞识别 图像识别
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部