基于DenseNet-SRC的多组慢性鼻窦炎计算机辅助诊断模型研究

摘要：

目的:基于稀疏表示分类的密集神经网络(DenseNet-SRC),搭建多组慢性鼻窦炎计算机辅助诊断模型,实现多组慢性鼻窦炎自动高效分类识别,以辅助医生诊断,提高诊断精确度.方法:首先,使用迁移学习预训练密集神经网络模型初始化参数;其次,采用蝶窦、额窦、筛窦、上颌窦4组慢性鼻窦炎数据训练密集神经网络,提取全连接层的特征向量;然后,采用稀疏表示分类器(SRC)对特征向量进行表示,求解系数矩阵,利用残差相似度进行分类;最后,将DenseNet-SRC与DenseNet-SVM模型及其他卷积神经网络模型进行对比实验.结果:本研究提出的DenseNet-SRC模型的分类准确度达到99.71％,高于DenseNet-SVM及其他卷积神经网络模型.结论:基于DenseNet-SRC的多组慢性鼻窦炎计算机辅助诊断模型,具有较好的分类识别准确率,能提高临床诊断的精确度,为多组慢性鼻窦炎的诊断提供参考.

关键词：密集神经网络、医学图像、鼻窦炎、SRC算法

所属期刊栏目：17

分类号：R319;R765.4+1(医用一般科学)

资助基金：宁夏自然科学基金项目;宁夏医科大学校级重点项目;宁夏高等学校科学技术研究项目

在线出版日期：2022-11-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：84-89