换一批基于改进ResNet34网络的脑肿瘤分类方法研究
Research on Classification Method for Brain Tumors Based on Improved ResNet34 Network
摘要传统的人工分辩脑肿瘤医学影像费时费力、浅层的卷积神经网络模型分类准确率较低,为了提高脑肿瘤图像分类的高效性和准确率,提出了一种基于改进ResNet34网络的脑肿瘤分类模型;该模型以ResNet34残差网络作为骨干网络,结合多尺度特征提取思想,采用多尺度输入模块作为ResNet34网络的第一层,将inceptionv2模块作为残差下采样层;再通过通道注意力机制模块,从通道域的角度赋予图像不同通道不同的权重,得到更重要的特征信息;经过五折交叉实验后的结果表明,改进后的新网络模型的平均分类准确率约为98.82％,比ResNet34提升约1.1％,且模型参数数量仅为原模型的80％;这说明改进后的网络不仅提高了准确率,还减少了模型复杂度,达到了参数更少,准确率更高的分类效果.
更多相关知识
关键词
图像处理改进ResNet34脑肿瘤分类多尺度输入注意力机制inception v2image processingimproved ResNet34brain tumor classificationmulti scale inputattention mechanisminception v2
栏目名称
DOI
10.16526/j.cnki.11-4762/tp.2025.02.024
发布时间
2025-03-10（万方平台首次上网日期，不代表论文的发表时间）
- 浏览1
- 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
