用于肺炎图像分类的优化卷积神经网络方法

• 作者: 田锋 邓棋 雷印杰
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 深度学习 图像分类 卷积神经网络 肺炎诊断 知识蒸馏 网络压缩
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 人工智能
• 页码范围: 71-76
• 页数: 6页
• 分类号: TP391.4|TP18
• 字数: 6656字
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2019061039

摘要

目前,卷积神经网络(CNN)开始应用在肺炎分类领域.针对层数较浅、结构较为简单的卷积网络对肺炎识别的准确率难以提高的情况,采用深度学习方法,并针对采用深度学习方法时常常需要消耗大量的系统资源,导致卷积网络难以在用户端部署的问题,提出一种使用优化的卷积神经网络的分类方法.首先,根据肺炎图像的特征,选择具有良好图像分类性能的AlexNet与InceptionV3模型;然后,利用医学影像特点对层次更深、结构更加复杂的InceptionV3模型进行预训练;最后,通过知识蒸馏的方法,将训练好的“知识”(有效信息)提取到AlexNet模型中,从而实现在减少系统资源占用的同时,提高准确率的效果.实验数据表明,使用知识蒸馏后,AlexNet模型的准确率、特异性与灵敏度分别提高了4.1、7.45、1.97个百分点,且对图像处理器(GPU)占用相比InceptionV3模型减小了51个百分点.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	雷印杰	四川大学电子信息学院	34	120	6.0	9.0
2	邓棋	四川大学电子信息学院	1	2	1.0	1.0
3	田锋	四川大学电子信息学院	1	2	1.0	1.0