换一批基于学习优化策略及量化方法的深度学习模型在指甲病诊断中的应用研究
Application research of deep learning model for nail disease recognition based on learning optimization strategy and quantitative method
摘要目的:构建深度学习模型解决临床诊断常见指甲疾病过程中效率低、不够准确的问题,并降低模型对运行设备的性能要求.方法:构建包含 1 025 张指甲病图片的疾病数据集,利用迁移学习、标签平滑、热身策略和余弦退火 4 种深度学习优化策略对VGG19、ResNet50、ResNet101、EfficientNet_B2、MobileNetv3、MobileNetv2 和DenseNet模型在上述数据集及两个公开数据集上进行训练,并结合量化方法提高模型效率,最后进行消融实验对比 7 种模型的效率与准确性,得到性能最好的模型.结果:与另外两个数据集对比,模型在本研究构建的数据集上训练后均达到了最高的准确性.对模型量化后,7 种模型参数量在同一数量级的情况下,本研究构建的MobileNetv2 模型在保证较低的读写内存、存储内存以及推理时间的情况下仍能达到最高的准确性.结论:该研究训练的MobileNetv2 模型可提升临床对常见指甲病的诊断准确性和效率,且对运行设备性能要求较低,尤其适用于缺乏专业医学设备的偏远地区.
更多相关知识
栏目名称
DOI
10.3969/j.issn.1673-7571.2025.03.006
发布时间
2025-03-24（万方平台首次上网日期，不代表论文的发表时间）
基金项目
十四五湖北省高等学校优势特色学科群(现代医学)资助项目（2023XKQT5）
- 浏览0
- 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
