期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于改进VGG19卷积神经网络的肺炎图像分类(特邀)
被引量：
13
1
作者
熊丰
何迪
+4 位作者
刘玉杰
齐美捷
郜鹏
张周锋
刘立新
《光子学报》
EI
CAS
CSCD
北大核心
2021年第10期335-343,共9页
将VGG19卷积神经网络与机器学习算法结合,构建了基于SVM(linear)和XGBoost的两种VGG19改进模型,并且分别利用VGG19模型和两种改进的VGG19模型对细菌性肺炎和病毒性肺炎图像进行分类。对三种网络模型的性能进行评估和比较,结果显示三种...
将VGG19卷积神经网络与机器学习算法结合,构建了基于SVM(linear)和XGBoost的两种VGG19改进模型,并且分别利用VGG19模型和两种改进的VGG19模型对细菌性肺炎和病毒性肺炎图像进行分类。对三种网络模型的性能进行评估和比较,结果显示三种模型的平均准确率均在85.9%以上。改进的VGG19模型在准确率的稳定性方面优于传统VGG19模型,基于XGBoost的VGG19模型的综合性能最好,验证了深度学习模型结合机器学习模型的有效性。
展开更多
关键词
肺炎图像分类
卷积神经网络
深度学习
VGG19
支持向量机
极端梯度提升
在线阅读
下载PDF
职称材料
基于深度神经网络的肺炎图像识别模型
被引量：
21
2
作者
何新宇
张晓龙
《计算机应用》
CSCD
北大核心
2019年第6期1680-1684,共5页
当前的肺炎图像识别算法面临两个问题:一是肺炎特征提取器使用的迁移学习模型在源数据集与肺炎数据集上图像差异较大,所提取的特征不能很好地契合肺炎图像;二是算法使用的softmax分类器对高维特征处理能力不够强,在识别准确率上仍有提...
当前的肺炎图像识别算法面临两个问题:一是肺炎特征提取器使用的迁移学习模型在源数据集与肺炎数据集上图像差异较大,所提取的特征不能很好地契合肺炎图像;二是算法使用的softmax分类器对高维特征处理能力不够强,在识别准确率上仍有提升的空间。针对这两个问题,提出了一种基于深度卷积神经网络的肺炎图像识别模型。首先使用ImageNet数据集训练好的GoogLeNet Inception V3网络模型进行特征提取;其次,增加了特征融合层,使用随机森林分类器进行分类预测。实验在Chest X-Ray Images肺炎标准数据集上进行。实验结果表明,该模型的识别准确率、敏感度、特异度的值分别达到96.77%、97.56%、94.26%。在识别准确率以及敏感度指标上,与经典的GoogLeNet Inception V3+Data Augmentation(GIV+DA)算法相比,所提模型分别提高了1.26、1.46个百分点,在特异度指标上已接近GIV+DA算法的最优结果。
展开更多
关键词
肺炎图像分类
迁移学习
深度卷积神经网络
随机森林
敏感度
特异度
在线阅读
下载PDF
职称材料
题名
基于改进VGG19卷积神经网络的肺炎图像分类(特邀)
被引量：
13
1
作者
熊丰
何迪
刘玉杰
齐美捷
郜鹏
张周锋
刘立新
机构
西安电子科技大学物理与光电工程学院
中国科学院西安精密机械研究所中国科学院光谱成像重点实验室
出处
《光子学报》
EI
CAS
CSCD
北大核心
2021年第10期335-343,共9页
基金
National Natural Science Foundation of China(No.62075177)
the Open Research Fund of CAS Key Laboratory of Spectral Imaging Technology(No.LSIT202005W)
+1 种基金
the 111 Project(No.B17035)
。
文摘
将VGG19卷积神经网络与机器学习算法结合,构建了基于SVM(linear)和XGBoost的两种VGG19改进模型,并且分别利用VGG19模型和两种改进的VGG19模型对细菌性肺炎和病毒性肺炎图像进行分类。对三种网络模型的性能进行评估和比较,结果显示三种模型的平均准确率均在85.9%以上。改进的VGG19模型在准确率的稳定性方面优于传统VGG19模型,基于XGBoost的VGG19模型的综合性能最好,验证了深度学习模型结合机器学习模型的有效性。
关键词
肺炎图像分类
卷积神经网络
深度学习
VGG19
支持向量机
极端梯度提升
Keywords
Pneumonia image classification
Convolution neural network
Deep learning
VGG19
Support vector machine
eXtreme Gradient Boosting
分类号
R318 [医药卫生—生物医学工程]
TP391.4 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
基于深度神经网络的肺炎图像识别模型
被引量：
21
2
作者
何新宇
张晓龙
机构
武汉科技大学计算机科学与技术学院
武汉科技大学大数据科学与工程研究院
智能信息处理与实时工业系统湖北省重点实验室
出处
《计算机应用》
CSCD
北大核心
2019年第6期1680-1684,共5页
基金
国家自然科学基金资助项目(61273225,61702381)~~
文摘
当前的肺炎图像识别算法面临两个问题:一是肺炎特征提取器使用的迁移学习模型在源数据集与肺炎数据集上图像差异较大,所提取的特征不能很好地契合肺炎图像;二是算法使用的softmax分类器对高维特征处理能力不够强,在识别准确率上仍有提升的空间。针对这两个问题,提出了一种基于深度卷积神经网络的肺炎图像识别模型。首先使用ImageNet数据集训练好的GoogLeNet Inception V3网络模型进行特征提取;其次,增加了特征融合层,使用随机森林分类器进行分类预测。实验在Chest X-Ray Images肺炎标准数据集上进行。实验结果表明,该模型的识别准确率、敏感度、特异度的值分别达到96.77%、97.56%、94.26%。在识别准确率以及敏感度指标上,与经典的GoogLeNet Inception V3+Data Augmentation(GIV+DA)算法相比,所提模型分别提高了1.26、1.46个百分点,在特异度指标上已接近GIV+DA算法的最优结果。
关键词
肺炎图像分类
迁移学习
深度卷积神经网络
随机森林
敏感度
特异度
Keywords
pneumonia image classification
transfer learning
Deep Convolution Neural Network(DCNN)
random forest
sensitivity
specificity
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于改进VGG19卷积神经网络的肺炎图像分类(特邀)
熊丰
何迪
刘玉杰
齐美捷
郜鹏
张周锋
刘立新
《光子学报》
EI
CAS
CSCD
北大核心
2021
13
在线阅读
下载PDF
职称材料
2
基于深度神经网络的肺炎图像识别模型
何新宇
张晓龙
《计算机应用》
CSCD
北大核心
2019
21
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
