典型文献
基于改进DenseNet的乳腺钼靶肿块分类方法
文献摘要：
乳腺X线摄影技术是目前乳腺癌早期发现和诊断的重要手段.然而乳腺X线图像中肿块边缘模糊,分类相对困难,因此提升乳腺肿块的诊断精度从而及早预防和治疗仍是医学领域的一大挑战.针对乳腺肿块的特点,提出了一种结合密集卷积神经网络(DenseNet)和压缩激励(SE)模块的新网络(DSAMNet),该网络融合了二者优势,既加强特征重用,又实现特征提取过程中的特征重标定.根据SE模块嵌入DenseNet的不同位置,提出了模型SE-DenseNet-A、SE-DenseNet-B和SE-DenseNet-C.对SE-DenseNet的池化函数进行改进,提出了模型DSAMNet-A、DSAMNet-B和DSAMNet-C.综合不同结构和不同深度的网络模型在公开数据集CBIS-DDSM上进行训练和测试.实验结果表明,DSAMNet-B有更加优异的性能,其准确率比DenseNet模型的准确率提高了10.8％,AUC达到了0.929.
文献关键词：
乳腺钼靶图像;计算机辅助诊断;卷积神经网络;图像分类;DenseNet
中图分类号：
作者姓名：
白茹;余慧;安建成;曹锐
作者机构：
太原理工大学 软件学院,太原 030600
文献出处：
引用格式：
[1]白茹;余慧;安建成;曹锐-.基于改进DenseNet的乳腺钼靶肿块分类方法)[J].计算机工程与应用,2022(15):270-277
A类：
DSAMNet
B类：
DenseNet,分类方法,摄影技术,早期发现,乳腺肿块,预防和治疗,医学领域,密集卷积神经网络,SE,新网,网络融合,特征重用,特征重标定,不同位置,池化,不同深度,公开数据集,CBIS,DDSM,乳腺钼靶图像,计算机辅助诊断,图像分类
AB值：
0.285361
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。
