典型文献
基于改进GoogLeNet的瘢痕色泽和血管分布评估算法
文献摘要：
瘢痕是皮肤伤口处真皮组织异常增生的疾病,其病理情况主要体现在色泽和血管分布程度,准确、客观的瘢痕评估对其诊治具有关键作用.针对传统评估方式具有主观性较大以及效率低下等问题,研究了一种基于卷积神经网络的瘢痕色泽和血管分布评估算法.首先,收集大量各类型的瘢痕图像制作数据集;其次,分析了GoogLeNet网络模型的结构和优势,并结合瘢痕图像的特点对原模型做出改进优化;最后提出了基于改进网络的双模型评估算法.实验结果表明:改进网络模型较传统GoogLeNet模型参数量减少了65％,但其瘢痕评估性能依然优于后者,也优于AlexNet和ResNet等经典深度学习网络;同时,基于改进网络设计的双模型评估算法进一步提升了识别性能,缩小了误判范围,提高了评估准确性.本文方法可以为瘢痕辅助诊断系统的应用提供新的技术参考.
文献关键词：
瘢痕评估;图像识别;迁移学习;深度学习;GoogLeNet改进模型
中图分类号：
作者姓名：
罗绍猛;文家燕;陈彬
作者机构：
广西科技大学 电气电子与计算机科学学院,广西 柳州 545616;广西汽车零部件与整车技术重点实验室(广西科技大学),广西 柳州 545006;柳州市工人医院(广西医科大学第四附属医院),广西 柳州 545007
文献出处：
引用格式：
[1]罗绍猛;文家燕;陈彬-.基于改进GoogLeNet的瘢痕色泽和血管分布评估算法)[J].广西科技大学学报,2022(03):36-42,52
A类：
B类：
GoogLeNet,色泽,血管分布,分布评估,评估算法,伤口处,真皮组织,组织异常,异常增生,病理情况,瘢痕评估,治具,评估方式,主观性,作数,改进优化,进网,双模型,模型评估,模型参数量,AlexNet,ResNet,深度学习网络,网络设计,识别性,误判,评估准确性,辅助诊断系统,图像识别,迁移学习,改进模型
AB值：
0.353927
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。
