典型文献
基于深度残差网络的儿科肺炎辅助诊断算法
文献摘要：
目的 为丰富儿科肺炎辅助诊断算法,提高医生分析儿科肺炎X线影像图片的效率和质量,提出一种改进的卷积神经网络模型.方法 基于深度残差网络(ResNeXt-50),融合SE模块建立通道之间的关联,然后在模型构建过程中使用Leaky Re LU激活函数替代ReLU激活函数,并使用组归一化作为归一化方法,最后将预训练好的模型在Chest X-Ray数据集上进行训练测试,并以准确率(Accuracy)、召回率(Recall)以及精确率(Precision)作为评价指标.结果 网络模型的识别准确率、精确率和召回率分别达到了91.19％、89.70％和91.39％.结论 网络模型具有一定的实用性,能够更好地拟合肺炎图像数据集,能有效提升儿科肺炎图像分类的准确性,可作为临床上儿科肺炎的辅助诊断新方法.
文献关键词：
图像分类;卷积神经网络;儿科肺炎;计算机辅助诊断
中图分类号：
作者姓名：
张科;张春晓
作者机构：
山东第一医科大学附属省立医院(山东省立医院)医学工程管理办公室,山东 济南 250021
文献出处：
引用格式：
[1]张科;张春晓-.基于深度残差网络的儿科肺炎辅助诊断算法)[J].中国医疗设备,2022(09):42-46,56
A类：
肺炎图像
B类：
深度残差网络,儿科肺炎,肺炎辅助诊断,辅助诊断算法,高医,影像图片,卷积神经网络模型,ResNeXt,SE,构建过程,Leaky,激活函数,ReLU,归一化方法,预训练,练好,Chest,Ray,Accuracy,召回率,Recall,精确率,Precision,识别准确率,图像数据集,图像分类,计算机辅助诊断
AB值：
0.341414
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
