10.3969/j.issn.1000-386x.2021.09.028
基于神经网络与特征融合的胶囊内镜图像识别模型
当前消化道胶囊内镜图像识别算法存在两个局限,一是要对有差别的病灶设计具体的特征检测算法;二是通过深度学习开展迁移学习时,原训练数据与胶囊内镜图像存在较大差异.因此,提出一种小型通用的基于神经网络与特征融合的胶囊内镜图像识别模型.对图像分离G通道、Log变换和直方图均衡化预处理;采用三个相同卷积神经网络分别对三种预处理后的图像提取特征;采用Bagging算法进行特征融合与识别.对Kvasir数据集的实验表明,该模型准确率为96.89%,比RGB输入、传统机器视觉和经典神经网络模型高出2.05百分点以上,其AUC均值达到0.99,灵敏度达到98.55%,特异度达到96.51%.该模型能为医生诊断提供辅助作用.
胶囊内镜图像;G通道;Log变换;直方图均衡化;卷积神经网络;Bagging算法;特征融合
38
TP391(计算技术、计算机技术)
贵州省研究生教育教学改革重点课题;贵州省科技计划项目
2021-09-28(万方平台首次上网日期,不代表论文的发表时间)
共8页
180-187