基于深度卷积神经网络的生物医学混合图像检测

摘要：

[目的/意义]通过混合图像检测对生物医学学术文献里的图像进行分类,为进一步的生物医学图像研究提供支撑.[方法/过程]利用深度卷积神经网络的经典模型VGG16网络构建了混合图像检测模型,并对VGG16网络的第1个卷积层的卷积核做了修改,对比了3种不同大小的卷积核的检测效果.[结果/结论]通过对ImageCLEF2016混合图像检测测试数据集的检测,使用5×5卷积核的VGG16模型的检测正确率达到97.08％,准确率、召回率和F1值指标均优于对比网络模型的检测结果.通过对首层提取的特征图进行可视化发现,在VGG16网络中5×5的卷积核相比3×3的卷积核可以提取更多的边缘特征,更适合混合图像检测任务.

关键词：混合图像检测、生物医学图像、深度卷积神经网络、VGG16、ImageCLEF2016

所属期刊栏目：40

分类号：G251(图书馆学、图书馆事业)

资助基金：国家社会科学基金重大项目"基于认知计算的学术论文评价理论与方法研究"项目编号:17&ZDA292

在线出版日期：2020-07-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：74-81,103