换一批摘要随着近年来信息技术的飞速发展,卷积神经网络广泛应用在医学领域,基于卷积神经网络对于肝包虫病的诊断提出了创新思路,选择两种肝包虫病CT图像进行预处理,利用LeNet-5模型为基础提出模型CTLeNet,通过正则化策略减少过拟合,对二分类肝包虫图像进行分类实验,并通过反卷积实现特征可视化,挖掘疾病的潜在特征.经过实验验证,结果表明,CTLeNet模型对于分类任务具有良好的效果,希望可以通过卷积神经网络方法为肝包虫病提供诊断辅助作用,帮助医生对肝包虫病进行诊断,实现疾病的早发现、早诊断与早治疗.
更多相关知识
- 浏览0
- 被引6
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
