基于卷积神经网络的PET/CT多模态图像识别研究

• 作者: 吴翠颖 周涛 王媛媛
• 来源期刊: 电视技术
• 学科: 工学
• 关键词: 卷积神经网络 PET/CT 多模态 图像识别
• 年，卷（期）: 2017,（3）
• 所属期刊栏目: 视频应用与工程
• 页码范围: 88-94,99
• 页数: 8页
• 分类号: TN919.3
• 字数: 5612字
• 语种: 中文
• DOI: 10.16280/j.videoe.2017.03.018

摘要

将卷积神经网络用于CT、PET、PET/CT三种模态的医学影像分类识别,为医院统一存储管理影像数据和医护人员快速检索提供便利.首先探讨卷积神经网络对于PET/CT多种模态图像识别的可行性,其次探讨模型参数(迭代次数、批量大小)对网络识别率和训练时间的影响,然后改变CNN模型结构,探讨网络层数、特征图数量和卷积核大小对网络训练和分类效果的影响.实验表明:卷积神经网络对于PET/CT多模态图像识别取得了良好的效果,针对特定问题需要综合图像大小和信息的复杂程度构建最优的CNN模型,在保证高识别率的同时,可以选择合适的参数降低时间复杂度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周涛	宁夏医科大学公共卫生与管理学院	49	522	10.0	21.0
5	吴翠颖	宁夏医科大学公共卫生与管理学院	9	71	6.0	8.0
6	王媛媛	宁夏医科大学公共卫生与管理学院	7	48	4.0	6.0