基于卷积神经网络的胎儿二维超声图像丘脑横切面的自动识别
目的:胎儿二维超声图像不同切面的自动识别分类对于提高医生的工作效率具有十分重要的意义.方法:本文针对传统自动分类方法中需要先对图像进行细致分割再进行特征提取和分类识别、分类速度慢等问题,提出了一种基于深度卷积神经网络(Convolutional neural network,CNN)的胎儿二维超声图像中丘脑横切面的自动识别方法.通过对收集到的胎儿二维超声丘脑横切面进行图像增强等预处理,提出了改进的卷积神经网络算法.结果:该算法避免了对于二维超声图像复杂的前期预处理,可以直接输入原始的二维超声图像,具有很强的适应性和泛化能力.试验结果表明,该方法的识别准确率能达到94.81%.结论:此模型的提出,为医学影像自动识别技术提供了新的参考.
脑、超声检查、产前
31
R714.53;R445.1(妇产科学)
国家自然科学基金51377045
2020-06-23(万方平台首次上网日期,不代表论文的发表时间)
共5页
358-362