首站-论文投稿智能助手
典型文献
基于DenseNet-SRC的多组慢性鼻窦炎计算机辅助诊断模型研究
文献摘要:
目的:基于稀疏表示分类的密集神经网络(DenseNet-SRC),搭建多组慢性鼻窦炎计算机辅助诊断模型,实现多组慢性鼻窦炎自动高效分类识别,以辅助医生诊断,提高诊断精确度.方法:首先,使用迁移学习预训练密集神经网络模型初始化参数;其次,采用蝶窦、额窦、筛窦、上颌窦4组慢性鼻窦炎数据训练密集神经网络,提取全连接层的特征向量;然后,采用稀疏表示分类器(SRC)对特征向量进行表示,求解系数矩阵,利用残差相似度进行分类;最后,将DenseNet-SRC与DenseNet-SVM模型及其他卷积神经网络模型进行对比实验.结果:本研究提出的DenseNet-SRC模型的分类准确度达到99.71%,高于DenseNet-SVM及其他卷积神经网络模型.结论:基于DenseNet-SRC的多组慢性鼻窦炎计算机辅助诊断模型,具有较好的分类识别准确率,能提高临床诊断的精确度,为多组慢性鼻窦炎的诊断提供参考.
文献关键词:
密集神经网络;医学图像;鼻窦炎;SRC算法
作者姓名:
刘东;任海玲;廖聪;赵梦
作者机构:
750004 银川,宁夏医科大学理学院;银川市第一人民医院信息管理部;750004 银川,宁夏医科大学临床医学院
文献出处:
引用格式:
[1]刘东;任海玲;廖聪;赵梦-.基于DenseNet-SRC的多组慢性鼻窦炎计算机辅助诊断模型研究)[J].中国数字医学,2022(09):84-89
A类:
B类:
DenseNet,SRC,慢性鼻窦炎,计算机辅助诊断,诊断模型,稀疏表示分类,密集神经网络,分类识别,迁移学习,预训练,初始化,蝶窦,额窦,筛窦,上颌窦,数据训练,全连接层,特征向量,分类器,系数矩阵,卷积神经网络模型,识别准确率,医学图像
AB值:
0.203343
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。