基于半监督方法的脑梗死图像识别

• 作者: 欧莉莉 邵峰晶 孙仁诚 隋毅
• 来源期刊: 计算机应用
• 关键词: 生成对抗网络 半监督 脑梗 深度卷积网络 图像识别 特征匹配
• 年，卷（期）: 2021,（4）
• 所属期刊栏目: 前沿与综合应用|Frontier and comprehensive applications
• 页码范围: 1221-1226
• 页数: 6页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2020071034

摘要

在图像识别领域,针对有监督方法的模型在标签数据不足时图像的识别效果不佳问题,提出一种基于生成对抗网络(GAN)的半监督方法模型,即结合了半监督生成对抗网络(SSGAN)和深度卷积生成对抗网络(DCGAN)的优点,并在输出层用softmax代替了sigmoid激活函数,从而建立半监督深度卷积生成对抗网络(SS-DCGAN)模型.首先,将生成样本定义为伪样本类别并用于引导训练;其次,采用半监督的训练方式对模型的参数进行更新;最后,实现对异常(脑梗死)图像的识别.实验结果表明,SS-DCGAN模型在标签数据较少时能够很好地识别异常图像,达到95.05％的识别率,与ResNet32、半监督梯度网络(Ladder Network)分类方法相比具有显著的优越性.