卷积神经网络与迁移学习的颅脑癌症识别方法的研究

• 作者: 王佳庆 蒋佳旺 陈艳
• 来源期刊: 中国医疗设备
• 学科: 医学
• 关键词: 深度卷积神经网络 迁移学习 颅脑癌症 诊断
• 年，卷（期）: 2020,（9）
• 所属期刊栏目: 医学工程技术
• 页码范围: 70-73,83
• 页数: 5页
• 分类号: R730.2
• 语种: 中文
• DOI: 10.3969/j.issn.1674-1633.2020.09.016

摘要

目的 探讨深度卷积神经网络(Convolutional Neural Network,CNN)联合迁移学习(Transfer Learning,TL)辅助识别诊断颅脑癌症的方法.方法 介绍了深度CNN、TL基本原理,建立深度CNN联合TL模型,使用FCNN、CNN、AlexNet、VGGNet、GoogLeNet、AlexNet-TL、VGGNet-TL以及GoogLeNet-TL模型对我院颅脑CT图像进行分类,并使用灵敏度、特异性以及准确率为评价指标对不同方法性能进行评定.结果 随机初始化网络参数的FCNN、CNN、AlexNet、VGGNet以及GoogleNet模型脑肿瘤模式识别准确率分别为70.2％、76.5％、82.7％、80.9％以及82.5％,而通过利用开源的大数据集ImageNet预训练深度CNN,优化模型参数的AlexNet-TL、VGGNet-TL、GoogleNet-TL脑肿瘤模式识别准确率分别为86.9％、90.2％以及93.4％.结论 深度CNN联合TL模型可实现对颅脑癌症的智能识别和分类,有助于减少医生工作强度,基于深度CNN联合TL模型的颅脑癌症辅助诊断识别方法有效可行.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈艳		2	0	0.0	0.0
2	王佳庆		2	0	0.0	0.0
3	蒋佳旺		2	0	0.0	0.0