基于深度学习的肝包虫疾病图像分类

• 作者: 严传波 姚娟 茹仙古丽·艾尔西丁 裴世宇
• 来源期刊: 中国数字医学
• 学科: 医学
• 关键词: 肝包虫病 CT图像 深度学习 图像分类 ResNet-50
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 特别专题
• 页码范围: 2-4,21
• 页数: 4页
• 分类号: R319|R445
• 字数: 2294字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-7571.2020.04.001

摘要

目的:为了实现新疆高发病肝包虫病CT图像的正确分类,提出一种深度学习的肝包虫病CT图像的自动分类方法.方法:对单囊、多囊和肝囊肿CT图像使用深度学习的分类方法进行分类.首先,构建并优化ResNet-50网络模型,将肝包虫病图像分批次传入网络,然后用交叉熵作为损失函数,最后把网络结构加入对数据的批归一化处理,通过反向传播算法优化参数使损失函数最小化,最终选择训练所得的最优网络.结果:各类别的最佳分类准确率分别为单囊型78.33％、多囊型81.52％、肝囊肿型80.24％.结论:深度学习卷积神经网络的肝包虫病CT图像疾病分类方法可行、合理、且调整后的ResNet-50模型比较适合肝包虫病图像的分类,有望通过深度学习方法对肝包虫病提供辅助诊断及决策支持.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	裴世宇	西安邮电大学计算机学院	1	0	0.0	0.0