提出一種基于TV模型和深度學(xué)習(xí)Goog Le Net模型的甲狀腺結(jié)節(jié)圖像分類方法,采用基于TV模型的自適應(yīng)圖像修復(fù)方法對(duì)甲狀腺超聲圖像進(jìn)行預(yù)處理,消除邊框標(biāo)記。為提升網(wǎng)絡(luò)的結(jié)節(jié)分類性能,采用深度學(xué)習(xí)的方法,構(gòu)建GoogLeNetIncepetion V1模型對(duì)甲狀腺超聲波圖像數(shù)據(jù)集進(jìn)行實(shí)驗(yàn)。在各類病變和正常的甲狀腺醫(yī)療圖像數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果顯示,該方法的分類診斷準(zhǔn)確率為96.04%,具有非常可觀的臨床應(yīng)用價(jià)值。 

【文章來(lái)源】：計(jì)算機(jī)應(yīng)用研究. 2020,37(S1)北大核心CSCD

【文章頁(yè)數(shù)】：3 頁(yè)

【參考文獻(xiàn)】：
期刊論文
[1]基于深度學(xué)習(xí)算法的圖像分類方法[J]. 陶筱嬌,王鑫.  微型電腦應(yīng)用. 2019(03)
[2]基于FABEMD的紋理圖像分類算法[J]. 胡明娣,臧藝迪,徐家慧.  西安郵電大學(xué)學(xué)報(bào). 2018(01)
[3]基于改進(jìn)的卷積神經(jīng)網(wǎng)絡(luò)LeNet-5的車型識(shí)別方法[J]. 王秀席,王茂寧,張建偉,程鵬.  計(jì)算機(jī)應(yīng)用研究. 2018(07)
[4]超聲引導(dǎo)下甲狀腺結(jié)節(jié)細(xì)針吸取細(xì)胞學(xué)檢查的診斷價(jià)值[J]. 夏炳蘭,何春蘭,宋斌,蔣煊.  中國(guó)現(xiàn)代普通外科進(jìn)展. 2014(07)
[5]一種基于TV模型的自適應(yīng)圖像修復(fù)方法[J]. 邵肖偉,劉政凱,宋璧.  電路與系統(tǒng)學(xué)報(bào). 2004(02)



本文編號(hào)：3589724