基于深度学习的肝硬化识别

• 作者: 王国栋 赵希梅 鞠维欣 魏宾
• 来源期刊: 青岛大学学报（自然科学版）
• 学科: 工学
• 关键词: 深度学习 医学图像 卷积神经网络 轻量级模型 迁移学习 支持向量机
• 年，卷（期）: 2018,（4）
• 所属期刊栏目: 信息工程
• 页码范围: 54-61
• 页数: 8页
• 分类号: TP391.9
• 字数: 5167字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-1037.2018.11.10

摘要

为提高医学影像的识别准确率和效率,减少人为主观因素造成的误差,采用深度学习的方法自动识别正常肝与肝硬化影像,并针对传统卷积神经网络结构复杂,训练参数多和效率低等问题,使用基于卷积神经网络中的一种轻量级模型结构SqueezeNet;并利用迁移学习的方法,通过预训练和微调参数,可以避免数量集过少时而产生的过拟合题,并且实验结果取得了较好的分类效果;首次提出使用迁移学习后的轻量级卷积神经网络与传统的模式识别算法支持向量机相结合,实现对医学图像的分类,最终实验准确率进一步提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王国栋	青岛大学计算机科学技术学院	37	170	7.0	11.0
2	赵希梅	青岛大学计算机科学技术学院	13	34	4.0	5.0
6	魏宾		8	12	2.0	3.0
7	鞠维欣	青岛大学计算机科学技术学院	2	6	2.0	2.0