典型文献
权重初始化-滑动窗口CNN的医学图像分类
文献摘要：
深度学习在医学图像分类应用过程中存在以下问题:一是无法针对医学图像性质构建深度学习模型层级;二是深度学习模型网络初始化权重未能得到较好优化.为此,首先从网络优化角度出发,通过优化方法提高网络的非线性建模能力,提出了一种新的网络权重初始化方法,缓解了现有深度学习的初始化理论受限于非线性单元类型的问题,增加了神经网络处理不同视觉任务的潜力.同时,为了充分利用医学图像的特性,通过对多列卷积神经网络框架进行深入研究,发现通过改变卷积神经网络不同层次的特征数目和卷积核大小,可以构建不同的卷积神经网络模型,以更好地适应待处理医学图像的医学特性,并训练得到的异构多列卷积神经网络.最后,利用提出的一种自适应的滑动窗口融合机制,共同完成医学图像的分类任务.基于上述思想,提出了一种基于权重初始化-多层卷积神经网络滑动窗口融合的医学分类算法.利用提出方法对乳腺肿块分类、脑肿瘤组织分类实验和医学图像数据库分类分别进行实验,实验结果表明,所提方法不仅平均准确率较传统机器学习、其他深度学习方法有明显提高,而且具有较好的稳定性和鲁棒性.
文献关键词：
深度学习;权重初始化;滑动窗口;卷积神经网络(CNN);医学图像分类
中图分类号：
作者姓名：
安凤平;李晓薇;曹翔
作者机构：
淮阴师范学院 物理与电子电气工程学院,江苏 淮安 223300;北京理工大学 信息与电子学院,北京 100081
文献出处：
引用格式：
[1]安凤平;李晓薇;曹翔-.权重初始化-滑动窗口CNN的医学图像分类)[J].计算机科学与探索,2022(08):1885-1897
A类：
B类：
滑动窗口,医学图像分类,下问,图像性,质构,深度学习模型,网络优化,化角,非线性建模,建模能力,权重初始化方法,有深度,受限于,单元类型,视觉任务,多列,网络框架,不同层次,特征数,卷积核,卷积神经网络模型,待处理,练得,融合机制,共同完成,分类任务,多层卷积神经网络,分类算法,乳腺肿块,脑肿瘤,肿瘤组织,医学图像数据,图像数据库,平均准确率,深度学习方法
AB值：
0.296484
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。
