基于改进深度残差网络的计算断层扫描图像分类算法

• 作者: 李菲菲 陈虬 黄盛
• 来源期刊: 光学学报
• 学科: 工学
• 关键词: 图像处理 卷积神经网络 医学图像分析 计算断层扫描图像 迁移学习
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 图像处理
• 页码范围: 50-58
• 页数: 9页
• 分类号: TP301
• 语种: 中文
• DOI: 10.3788/AOS202040.0310002

摘要

基于改进的深度残差网络(ResNet),提出更加适合肺部组织的计算断层扫描(CT)图像模式分类模型.为克服医学图像分析中可用数据集稀少的困难,采用迁移学习方法来减小神经网络模型对数据量大的需求,以减小过拟合.迁移学习的策略是将肺内大量可用的无标签区域作为预训练的数据,使用深度互信息最大化和先验分布匹配的方法进行无监督表征学习.通过对比实验发现,改进的深度ResNet可以得到更高的分类精度,迁移学习算法可以有效地利用肺内无标签区域的数据,从而提升网络模型的分类表现.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李菲菲		21	44	4.0	5.0
2	陈虬		17	40	4.0	5.0
3	黄盛		2	30	1.0	2.0