典型文献
基于深度学习二次预训练建立Barrett食管内镜图片分类模型的研究
文献摘要：
目的:利用深度卷积神经网络二次迁移学习方法构建Barrett食管内镜图片分类模型,并比较经单次与二次预训练的模型效能.方法:选取在ImageNet数据集上进行首次预训练的4个深度卷积神经网络(ResNet、NASNetL、Xception及EfficientNet),经HyperKvasir食管炎数据集二次预训练,而后进行目标训练,得到分类模型,评价其分类能力,并对模型的推理能力进行可视化呈现.结果:在验证集中,经二次预训练所建立的模型准确性均高于单次模型.除Xception模型外,二次预训练模型的精确度和召回率均优于单次模型,其中,EfficientNet模型表现最优.结论:基于深度卷积神经网络二次预训练建立的Barrett食管计算机视觉模型具备良好的内镜图片分类能力;本研究可为临床小数据集进行深度神经网络迁移学习提供思路.
文献关键词：
Barrett食管;深度学习;预训练;迁移学习;卷积神经网络
中图分类号：
作者姓名：
高静雯;林嘉希;刘璐;殷民月;许春芳;刘晓琳;朱锦舟
作者机构：
215006 江苏苏州,苏州大学附属第一医院消化内科,苏州市消化病临床医学中心
文献出处：
引用格式：
[1]高静雯;林嘉希;刘璐;殷民月;许春芳;刘晓琳;朱锦舟-.基于深度学习二次预训练建立Barrett食管内镜图片分类模型的研究)[J].中国数字医学,2022(10):54-58
A类：
二次迁移学习,NASNetL
B类：
Barrett,内镜,图片分类,分类模型,深度卷积神经网络,迁移学习方法,ImageNet,ResNet,Xception,EfficientNet,HyperKvasir,食管炎,推理能力,可视化呈现,验证集,预训练模型,召回率,计算机视觉,视觉模型,小数据,深度神经网络
AB值：
0.256078
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。
