Capsule网络的心脏磁共振图像病患识别
深度学习中胶囊(Capsule)神经元结构旨在克服传统卷积神经网络难以挖掘同级特征之间关系的缺点.胶囊网络(Capsule Net,CapsNet)是以胶囊神经元作为网络单元的一种新型的分类网络结构.该网络使用了压缩(Squash)算法作为激活函数,使用动态路由算法(Dynamic Routing)作为网络优化方法,欲获得更好的分类性能.心脏磁共振图像识别算法面临的主要问题:患病图像与正常图像之间的差异不显著,因此使用多层CNN网络难以达到十分优秀的效果.而胶囊网络CapsNet可以在较浅层网络的情况下,可以容纳更多的特征信息,有利于识别心脏磁共振图像.设计使用浅层胶囊网络对心脏磁共振图像进行二分类病患识别,并与VGG16、SVM(Support Vector Machine,支持向量机)等方法进行比较,实验结果表明CapsNet在应用上优于CNN网络其正确率、敏感度、特异性、AUC指标分别为91.04％、97.60％、87.04％、96.43％.实验结果表明胶囊网络相比较传统方法和浅层网络,在心脏磁共振图像识别方面表现了优异的性能.
Capsule Net、动态路由、卷积神经网络、心脏磁共振图像
46
TP391.41(计算技术、计算机技术)
国家自然科学基金项目;四川省科技厅杰出青年科技人才;四川省科技厅重点研发项目
2020-08-19（万方平台首次上网日期，不代表论文的发表时间）
共10页
400-409
