肺炎X光图像增强分类识别技术:基于改进Retinex算法

摘要：

目的 引入并改进Retinex算法增强肺图像特征,提升肺炎识别的准确率.方法 提出一种对肺炎X光图像特征增强的Retinex优化方法.将X光图边缘中心化,进行信息重建,利用Retinex进行特征强化,最后将图像赋予权重与原图像相结合,最大程度保留特征.结果 相对于初始图像训练,其准确率提升了2.57个百分点,损失了0.17个百分点的敏感度准确率,却增加了7.15个百分点的特异性准确率.结论 改进后的算法能够使得机器快速自动识别肺炎与非肺炎,在肺炎高发的时期大大提升了诊断效率.

关键词：关键词;深度学习;肺炎分类;图像处理;Retinex算法

所属期刊栏目：44

资助基金：陕西省教育厅科研计划项目20JS123

在线出版日期：2021-10-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：739-743