面向甲状腺结节良恶分类的cRes-GAN算法
发布时间:2021-05-18 08:42
针对甲状腺结节良恶性分类问题,设计建立了条件限制残差生成对抗网络(cRes-GAN)算法。利用DICOM格式的1 501份甲状腺结节数据建立了数据集,并且在该数据集上进行测试得到算法分类正确率为92.2%。将cRes-GAN与Hog+随机森林、ResNet18,Res18GAN,ACGAN等其他4种算法相比,其分类正确率分别提升了24.8%,10.0%,12.6%和25.3%,分类效果得到了显著提升。所设计的算法可为医生的甲状腺结节良恶性诊断提供有效的辅助建议。
【文章来源】:机械与电子. 2020,38(04)
【文章页数】:5 页
【文章目录】:
0 引言
1 cRes-GAN算法
1.1 模型结构
1.2 具体参数
1.3 误差函数
1.4 训练细节
1.4.1 数据增强
1.4.2 图像预处理
1.4.3 迁移学习
1.4.4 训练方式
1.4.5 生成样本的标签比例
1.4.6 标签平滑
1.5 评价指标
2 实验及结果
2.1 数据集
2.2 实验结果
3 结束语
【参考文献】:
期刊论文
[1]基于CNN迁移学习的甲状腺结节检测方法[J]. 叶晨,赵作鹏,马小平,胡延军,刘翼,赵海含. 计算机工程与应用. 2018(22)
本文编号:3193501
【文章来源】:机械与电子. 2020,38(04)
【文章页数】:5 页
【文章目录】:
0 引言
1 cRes-GAN算法
1.1 模型结构
1.2 具体参数
1.3 误差函数
1.4 训练细节
1.4.1 数据增强
1.4.2 图像预处理
1.4.3 迁移学习
1.4.4 训练方式
1.4.5 生成样本的标签比例
1.4.6 标签平滑
1.5 评价指标
2 实验及结果
2.1 数据集
2.2 实验结果
3 结束语
【参考文献】:
期刊论文
[1]基于CNN迁移学习的甲状腺结节检测方法[J]. 叶晨,赵作鹏,马小平,胡延军,刘翼,赵海含. 计算机工程与应用. 2018(22)
本文编号:3193501
本文链接:https://www.wllwen.com/yixuelunwen/nfm/3193501.html
最近更新
教材专著