基于深度学习图像处理的肺部造影检测研究

• 作者: 吴正灏 张雷 李维嘉 陈爽
• 来源期刊: 自动化与仪器仪表
• 学科: 工学
• 关键词: 深度学习 神经网络 细粒度分类 医学图像
• 年，卷（期）: 2019,（12）
• 所属期刊栏目: 理论创新
• 页码范围: 102-104,109
• 页数: 4页
• 分类号: TP391
• 语种: 中文
• DOI: 10.14016/j.cnki.1001-9227.2019.12.102

摘要

深度学习算法由于善于处理复杂多变的信号数据,在各个行业的实际生产中得到了广泛应用,且其潜力巨大.在图像处理领域,深度学习中的卷积神经网络解决了诸多机器视觉上的难题.在医学图像处理领域,针对其分辨率低,人眼容易误判等问题,为达到辅助医务工作者看清图像、识别病变区域的目的,从神经网络的结构优化、训练方案和预测能力三个方面进行探讨,训练出了专用的卷积神经网络用来判断病变区域.并在肺部医学图像上得到了准确的判断结果,初步证实了卷积神经网络在医学图像领域的实用性和可靠性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈爽		30	200	9.0	12.0
2	张雷		36	172	8.0	11.0
3	李维嘉		9	124	6.0	9.0
4	吴正灏		3	13	2.0	3.0