-
题名基于改进残差网络的医疗图像分类研究
- 1
-
-
作者
程书帅
李伟
王霄
杨靖
覃涛
-
机构
贵州大学电气工程学院
贵州理工学院
-
出处
《计算机应用与软件》
北大核心
2025年第8期173-179,233,共8页
-
基金
贵州省科技支撑计划项目(黔科合支撑[2022]一般264,黔科合支撑[2022]一般017,[2019]2152)
贵州省教育厅创新群体项目(黔教合KY字[2021]012)
+3 种基金
国家自然科学基金项目(61861007,61640014)
贵州省科技计划项目(黔科合基础-ZK[2021]一般303)
物联网理论与应用案例库(KCALK201708)
自动化专业卓越工程师计划项目(ZYS 2015004)。
-
文摘
医疗图像分类在计算机辅助诊断和治疗中发挥着重要作用,传统方法存在人工标记特征难、计算复杂、效率低以及分类效果不好等临床应用问题。该文设计一个基于AM-ResNet网络的医疗图像辅助诊断模型,利用GAN等方法对数据进行扩充提升了算法的泛化能力;在AM-ResNet网络中引入了注意力机制模块,加强了图像特征提取;采用迁移学习方法加快了模型的收敛时间。实验采用了公开乳腺癌病理图像数据集进行诊断测试,提出的模型对良性恶性二分类诊断准确率约为97%,对8个亚型的多分类诊断准确率约为93%,实验结果表明,该模型对分类任务具有较高的分类准确率,且具有较好的鲁棒性及泛化能力。
-
关键词
医疗图像分类
am-resnet
注意力模块
迁移学习
GAN
计算机辅助诊断
-
Keywords
Medical image classification
am-resnet
Attention module
Transfer learning
GAN
Computer-aided diagnosis
-
分类号
TP391.7
[自动化与计算机技术—计算机应用技术]
-
