-
公开(公告)号：CN114359629B
公开(公告)日：2024-04-16
申请号：CN202111565507.8
申请日：2021-12-20
Applicant: 桂林理工大学
IPC: G06V10/764 , G06V10/20 , G06V10/30 , G06V10/82 , G06N3/0464 , G06N3/096
Abstract: 本发明公开了一种基于深度迁移学习的肺炎X胸片分类识别方法，其中包括：首先，获取源域数据集和目标域数据集，并且对目标域数据集进行去噪、灰度变换、统一尺寸、归一化等预处理操作；其次，搭建第一分类模型；将利用源域数据集训练得到的基权重加载到第一分类模型中，冻结低层卷积网络参数后再次训练目标域数据集；再次，在第一分类模型的基础上结合由向量神经网络组成的胶囊网络(CapsNet)搭建第二分类模型，最后利用不同的评价指标对训练好的模型对测试集进行测试。本发明巧妙地利用迁移学习的方法有效解决了小型数据集难以在传统深度学习方法中训练且结果容易过拟合的问题；此外，本发明一定程度上提高了肺炎X胸片的识别率。
-
公开(公告)号：CN114359629A
公开(公告)日：2022-04-15
申请号：CN202111565507.8
申请日：2021-12-20
Applicant: 桂林理工大学
Abstract: 本发明公开了一种基于深度迁移学习的肺炎X胸片分类识别方法，其中包括：首先，获取源域数据集和目标域数据集，并且对目标域数据集进行去噪、灰度变换、统一尺寸、归一化等预处理操作；其次，搭建第一分类模型；将利用源域数据集训练得到的基权重加载到第一分类模型中，冻结低层卷积网络参数后再次训练目标域数据集；再次，在第一分类模型的基础上结合由向量神经网络组成的胶囊网络(CapsNet)搭建第二分类模型，最后利用不同的评价指标对训练好的模型对测试集进行测试。本发明巧妙地利用迁移学习的方法有效解决了小型数据集难以在传统深度学习方法中训练且结果容易过拟合的问题；此外，本发明一定程度上提高了肺炎X胸片的识别率。
-
公开(公告)号：CN115937564A
公开(公告)日：2023-04-07
申请号：CN202111565506.3
申请日：2021-12-20
Applicant: 桂林理工大学
IPC: G06V10/764 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于VGG19模型的医学肺癌图像分类改进算法，采用VGG19网络模型作为基本框架，将肺炎图像进行预处理，构造改进的神经网络模型，在改进的神经网络模型后添加构特征提取层，对损失函数进行L2正则化，对医学图像进行自动学习分类，改善了基于神经网络层数过深的过拟合问题。
-
-
Search Results
3
records
(took 0.014 seconds)
