基于深度学习的肺部肿瘤图像识别方法

摘要：

鉴于浅层卷积神经网络难以获取图像深层特征、易过度拟合导致分类效率和精度低的问题,因此,设计一种肺部肿瘤图像的深度学习识别模型;在运用样本扩充和迁移学习的基础上,对AlexNet卷积神经网络进行改善和提升,在每层网络数据输入之前对数据进行归一预处理,同时使用线性整流函数(ReLU),实现对肺部肿瘤表达性特征的快速获取,输出端经由三层全连接层和softmax算法进行分类;实验结果表明,此方法在网络收敛速率和分类精度方面取得更优性能,比基于AlexNet卷积神经网络分类精度提高5.66％以上,且具备良好的健壮性.

关键词：样本扩充、迁移学习、深度学习、归一预处理、医学图像识别

所属期刊栏目：28

分类号：TP391(计算技术、计算机技术)

资助基金：湖南省自然科学基金资助项目2018JJ4068,2018JJ4078

在线出版日期：2020-11-26（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：160-164