基于特征迁移的肺炎CT图像分类
针对肺炎CT图像标签数量不足的问题,提出一种基于特征迁移的改进GoogLeNet网络肺部CT图像分类方法.首先,对CT图像进行数据增强处理,增加样本的多样性.其次,改进GoogLeNet网络架构进行图像特征迁移.最后,使用改进GoogLeNet网络对CT图像进行提取特征并进行分类评价.实验结果表明,改进GoogLeNet网络分类准确率为88.39%,精确率为98.43%,敏感性为85.62%,特异性为96.16%,有效改善了肺部CT图像的诊断效果.
特征迁移;GoogLeNet网络;肺炎;图像分类
35
TP391.41(计算技术、计算机技术)
福建省中青年教师教育科研项目;漳州市自然科学基金项目"基于特征迁移的肺炎CT图像分类方法研究";漳州卫生职业学院院级科研项目"基于医学图像特征相似度度量的网络压缩研究"
2021-10-18(万方平台首次上网日期,不代表论文的发表时间)
共5页
104-108