基于轻量级卷积神经网络的肝部病理组织切片分类

• 作者: 张琪 王国栋 赵希梅 赵洁 魏宾
• 来源期刊: 青岛大学学报（自然科学版）
• 学科: 工学
• 关键词: 卷积神经网络 图像分类 肝部病理组织切片 深度学习
• 年，卷（期）: 2018,（4）
• 所属期刊栏目: 信息工程
• 页码范围: 76-82
• 页数: 7页
• 分类号: TP391
• 字数: 4187字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-1037.2018.11.13

摘要

肝部病理组织切片传统的分类方法都是通过提取图像特征来进行识别和预测,由于图像特征不明显,且需要人工提取,受外在因素影响大,识别率较低,因此提出利用深度学习的卷积神经网络来进行识别分类.对轻量级模型进行改进,将样本图像直接作为输入数据,通过卷积神经网络训练验证即可得到实验结果,省去繁琐的特征提取环节.结果表明,改进后的轻量级神经网络验证准确率高达99.57％,明显高于当前的传统方法,且训练时间减少了十余个小时,方便快捷.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张琪	青岛大学计算机科学技术学院	37	324	9.0	17.0
2	王国栋	青岛大学计算机科学技术学院	37	170	7.0	11.0
4	赵希梅	青岛大学计算机科学技术学院	13	34	4.0	5.0
8	魏宾		5	5	1.0	2.0
11	赵洁		1	0	0.0	0.0