论文摘要
针对过拟合及甲状腺恶性结节细粒度分类(恶性分为恶性与高度恶化)的问题,提出一种基于循环卷积神经网络的分类方法。将Xception网络与长短时记忆网络(LSTM)作为互不干扰的两部分,分别对甲状腺结节样本进行特征提取得到两个特征矩阵;通过Merge算法融合为单个特征矩阵,将单个特征矩阵导入卷积神经网络(CNN)进行特征提取与池化;采用L2正则化的Softmax函数作为分类器,完成循环卷积神经网络的训练与测试。实验结果表明,甲状腺恶性结节细粒度分类的准确率为87.00%,并有较好的特征提取能力。
论文目录
文章来源
类型: 期刊论文
作者: 郑斌,杨晨,马小萍,刘立波
关键词: 图像处理,神经网络,超声图像,甲状腺,图像分类预测
来源: 激光与光电子学进展 2019年24期
年度: 2019
分类: 信息科技,医药卫生科技
专业: 肿瘤学,计算机软件及计算机应用,自动化技术
单位: 宁夏大学信息工程学院,银川市第一人民医院医技科
基金: 国家自然科学基金（61862050）,赛尔网络下一代互联网技术创新项目（NGII20180709）,西部一流大学科研创新项目（ZKZD2017005）
分类号: TP183;TP391.41;R736.1
页码: 102-109
总页数: 8
文件大小: 1060K
下载量: 160