基于改进VGGNet-16网络新生儿胆红素水平测量方法

发布时间：2025-01-11 02:31

　　 针对目前新生儿胆红素含量升高造成的新生儿各种病症的弊端,考虑到传统新生儿胆红素水平测试所带来的患者创伤与操作不便捷的问题,在VGGNet-16神经网络的基础上,提出了一种改进的VGGNet-16网络算法,对已有的新生儿胆红素医疗记录数据进行分类研究,不同的类别具备一定范围的胆红素水平值;经过实际验证,该算法在克服传统新生儿胆红素水平测定不便捷的同时,保证了新生儿胆红素水平测试的高准确性,平均准确率达95.56%,为新生儿胆红素水平测量方法提供了思路,具有较高的推广应用价值。

【文章页数】：5 页

【部分图文】：

图1 图像卷积示意图

对于使用卷积核对图像特征的提取，需要设定卷积核的尺寸，假定卷积核的规格为w×w，设置步长为k个像素，处理的图像尺寸为（nh×nw），不采用边缘填充的方法，将会得到一个大小为的特征图，如果卷积核的数量为m个，将会得到m个这样的特征图，卷积核运算的过程如图1所示。理论情况下，所采用的....

图3 全连接网络层

在对CNN网络提取的特征图像进行分类的时候，需要对已经提取得到的特征值进行全连接网络的分类处理，全连接网络的结构图如图3所示，其输入是已经得到的图像特征值，输出是处理分类的信息。图3中的隐藏层包含了2层的全连接神经网络模型，本文构造的BP神经网络由1个输入层，3个隐藏层和1个输出....

图4 算法采用模型

使用的CNN神经网络模型中流行的VGGNet-16作为网络的主体，因为其识别的精度较高，适合用于图像特征的识别，在此之上进行改进，将最大池化层原则更换为平均池化原则，主要是为了更多发现新生儿照片中的背景颜色特征，降低图像纹理特征的干扰。如图4所示，是本文选用的网络模型。如图4所示....

图5 Dropout优化策略示意图

为了将已经采样得到的新生儿胆红素检测照片（主要是心脏部位的皮肤照片）与通过仪器设备测定的胆红素含量进行分类，从已有的本院数据库中导出了1300份有关的数据条例，借助文献[15]的部分理论结果，将数据分为6大类，每大类的具体信息如表1所示。将本院已有的新生儿医疗记录信息供130....

本文编号：4025799