粗-细两阶段卷积神经网络算法

摘要：

在医学上,人上皮2型(HEp-2)细胞的间接免疫荧光检测在自身免疫性疾病的诊断中起着决定性的作用,而自身免疫性疾病的诊断,往往受到人力物力的限制.鉴于神经网络在图像分类任务中的优异性能,提出了一种基于聚类算法的粗-细两阶段卷积神经网络算法(CTFTCNN),并应用到HEp-2细胞分类中.在所提出的方法中,有两种类型的分类任务:粗粒度分类和细粒度分类.粗粒度分类是指,采用聚类算法从原始数据集中生成一个粗粒度数据集,用多尺度卷积神经网络(MSCNN)去处理该粗粒度数据集.然后在一定条件下进行细粒度分类.在细粒度分类时,仅对在粗粒度分类中至少包含了两个细类的粗类进行处理,且采用VGG16网络对每个这样的粗类进行细分.最后集成粗粒度网络和细粒度网络的结果.具体地,对于至少包含了两个细类的粗类,将粗粒度和细粒度网络中提取的特征融合起来决定最终的预测结果.在真实数据集上进行实验以评估所提出的模型.实验结果表明:与目前最先进的方法相比,该模型具有良好的应用前景.

关键词：图像分类;人上皮2型(HEp-2)细胞;卷积神经网络(CNN);粗到细策略

所属期刊栏目：15

分类号：TP183(自动化基础理论)

资助基金：江苏省高等学校自然科学研究项目;江苏省六大人才高峰项目;江苏高校优势学科建设工程资助项目

在线出版日期：2021-08-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：1501-1510