换一批
换一批摘要近年来计算机辅助医学进行影像诊断逐渐成了该领域的研究热点,为了更好地对医学图像特征进行分类与识别,研究以自适应学习为背景,提出一种融合卷积神经网络与改进迭代深度学习的图像识别方法.过程中引入随机化融合改进卷积神经网络,以应对医学图像的多模态特征提取,并结合改进迭代深度学习避免图像数据信息丢失,最终完成对图像信息的识别.结果显示,研究方法在训练集与验证集上进行实验,当迭代进行到第 28 次与第 17 次时,系统便开始趋于稳定,对应得到损失函数值分别为0.0124 与0.0112.当四种算法的精准率为0.900 时,得到的改进型深度学习模型、LeNet-5CNN模型、IY-olo-v5 模型以及研究方法对应的召回率分别为 0.6232、0.5791、0.6774 与0.8369.研究方法对5 种疾病的识别准确率均明显高于 95%.以上结果表示研究方法具有较快的收敛速度与精度,同时能够被广泛应用于多种类型疾病的图像诊断识别当中.
更多相关知识
- 浏览3
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
