融合迁移学习和神经网络的皮肤病诊断方法
针对医学特征对患者病情发展的时间顺序无法有效表达,医学特征构建工作耗费大量人工成本,以及皮肤病数据样本数量较少等问题,提出了融合迁移学习和神经网络的皮肤病辅助诊断方法.该方法将TextLSTM(long short term memory neural network for text)、TextCNN(convolutional neural network for text)以及RCNN(recurrent convolutional neural networks for text classification)等3种基于神经网络的文本分类模型应用于皮肤病辅助诊断,同时融入迁移学习技术,能够在一定程度上将皮肤病专业书籍中的理论知识迁移到诊断模型中.在皮肤病多分类实验中,本文方法的正确率优于对比方法;在皮肤病二分类实验中,本文方法的召回率优于对比方法.迁移学习对实验结果的积极影响率高于75%.
皮肤病诊断、神经网络、迁移学习、文本分类、卷积神经网络、循环神经网络、长短期记忆网络、辅助诊断
15
TP391.1(计算技术、计算机技术)
国家自然科学基金项目;宁夏自然科学基金项目;计算机应用技术宁夏回族自治区重点学科项目
2020-10-14(万方平台首次上网日期,不代表论文的发表时间)
共8页
452-459