10.3969/j.issn.1006-9348.2021.06.076
基于迁移学习的胶囊内镜图像分类
针对基于卷积神经网络的胶囊内镜图像分类算法上存在模型参数难以训练、易过拟合的问题,提出一种基于迁移学习的胶囊内镜图像分类算法.先对胶囊内镜图像进行预处理和数据扩增;利用经典卷积神经网络Alexnet、Googlenet、Inception-v3提取囊内镜图像的深层特征;最后将3个模型提取的特征向量加以融合,作为支持向量机的输入进行训练和分类.实验结果表明,提出的方法分类准确率为99.98%、特异度为99.97%、敏感度为100%,相比其它方法具有更好的分类效果,为胶囊内镜的辅助诊疗提供了一个可参考的方法.
胶囊内镜、图像分类、迁移学习、卷积神经网络、特征融合、支持向量机
38
TP391(计算技术、计算机技术)
国家自然科学基金;南通市科技计划
2021-07-26(万方平台首次上网日期,不代表论文的发表时间)
共5页
362-366