發(fā)布時間：2021-05-18 08:42

　　針對甲狀腺結節(jié)良惡性分類問題,設計建立了條件限制殘差生成對抗網(wǎng)絡（cRes-GAN）算法。利用DICOM格式的1 501份甲狀腺結節(jié)數(shù)據(jù)建立了數(shù)據(jù)集,并且在該數(shù)據(jù)集上進行測試得到算法分類正確率為92.2%。將cRes-GAN與Hog+隨機森林、ResNet18,Res18GAN,ACGAN等其他4種算法相比,其分類正確率分別提升了24.8%,10.0%,12.6%和25.3%,分類效果得到了顯著提升。所設計的算法可為醫(yī)生的甲狀腺結節(jié)良惡性診斷提供有效的輔助建議。 

【文章來源】：機械與電子. 2020,38(04)

【文章頁數(shù)】：5 頁

【文章目錄】：
0 引言
1 cRes-GAN算法
    1.1 模型結構
    1.2 具體參數(shù)
    1.3 誤差函數(shù)
    1.4 訓練細節(jié)
        1.4.1 數(shù)據(jù)增強
        1.4.2 圖像預處理
        1.4.3 遷移學習
        1.4.4 訓練方式
        1.4.5 生成樣本的標簽比例
        1.4.6 標簽平滑
    1.5 評價指標
2 實驗及結果
    2.1 數(shù)據(jù)集
    2.2 實驗結果
3 結束語


【參考文獻】：
期刊論文
[1]基于CNN遷移學習的甲狀腺結節(jié)檢測方法[J]. 葉晨,趙作鵬,馬小平,胡延軍,劉翼,趙海含.  計算機工程與應用. 2018(22)



本文編號：3193501