期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
MLICP-CNN:基于CNN与ICP的多标记胸片置信诊断模型 被引量:2
1
作者 吴能光 王华珍 +3 位作者 许晓泓 刘俊龙 何霆 吴谨准 《计算机应用与软件》 北大核心 2019年第7期177-182,191,共7页
针对胸片的多标记预测集缺少可校准性的缺陷,提出一种基于卷积神经网络(Convolutional Neural Networks,CNN)与归纳一致性预测器(Inductive Conformal Prediction,ICP)的多标记胸片置信诊断模型MLICP-CNN。该模型将学习数据划分为训练... 针对胸片的多标记预测集缺少可校准性的缺陷,提出一种基于卷积神经网络(Convolutional Neural Networks,CNN)与归纳一致性预测器(Inductive Conformal Prediction,ICP)的多标记胸片置信诊断模型MLICP-CNN。该模型将学习数据划分为训练集和校准集,通过使用CNN从训练集中学习出规则D。基于规则D和校准集使用算法随机性对被测数据进行置信预测,即为每个被测数据提供附带置信度的多标记预测集。在对Chest X-ray14胸片数据集的实验结果表明,该模型在临床常用的95%置信度下,模型准确率为95%,体现了置信度评估的恰好可校准性。在CNN架构为Resenet50并采用LS-MLICP为奇异值映射函数下,模型性能最好,其确定预测率为96.43%,理想预测率为92.31%。另外,CNN架构对预测效率的影响程度远远小于奇异值映射函数。 展开更多
关键词 多标记学习 归纳一致性预测器 卷积神经网络 X线胸片诊断 置信预测
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部