基于深度学习的肺部肿瘤图像识别方法

• 作者: 向华政 肖满生 高雷鸣
• 来源期刊: 计算机测量与控制
• 关键词: 样本扩充 迁移学习 深度学习 归一预处理 医学图像识别
• 年，卷（期）: 2020,（10）
• 所属期刊栏目: 设计与应用
• 页码范围: 160-164
• 页数: 5页
• 分类号: TP391
• 语种: 中文
• DOI: 10.16526/j.cnki.11-4762/tp.2020.10.033

摘要

鉴于浅层卷积神经网络难以获取图像深层特征、易过度拟合导致分类效率和精度低的问题,因此,设计一种肺部肿瘤图像的深度学习识别模型;在运用样本扩充和迁移学习的基础上,对AlexNet卷积神经网络进行改善和提升,在每层网络数据输入之前对数据进行归一预处理,同时使用线性整流函数(ReLU),实现对肺部肿瘤表达性特征的快速获取,输出端经由三层全连接层和softmax算法进行分类;实验结果表明,此方法在网络收敛速率和分类精度方面取得更优性能,比基于AlexNet卷积神经网络分类精度提高5.66％以上,且具备良好的健壮性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	向华政		17	181	4.0	13.0
2	肖满生		37	225	7.0	14.0
3	高雷鸣		1	0	0.0	0.0