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
基于深度学习的肺炎图像目标检测
被引量：
6
1
作者
何迪
刘立新
+3 位作者
刘玉杰
熊丰
齐美捷
张周锋
《中国生物医学工程学报》
CAS
CSCD
北大核心
2022年第4期443-451,共9页
肺炎是一种严重危害身体健康的疾病,通常使用肺部X光片进行检查。肺炎诊断是肺炎治疗前非常重要的环节,但是由于肺部其他疾病的干扰、医疗数据的爆发式增长以及专业病理医生的缺乏等,导致肺炎的准确诊断较为困难。深度学习能够模仿人脑...
肺炎是一种严重危害身体健康的疾病,通常使用肺部X光片进行检查。肺炎诊断是肺炎治疗前非常重要的环节,但是由于肺部其他疾病的干扰、医疗数据的爆发式增长以及专业病理医生的缺乏等,导致肺炎的准确诊断较为困难。深度学习能够模仿人脑的机制准确高效地解释医学图像数据,在肺炎图像检测方面获得了广泛应用。构建了3种基于深度学习的图像目标检测模型,单发多框探测器(SSD)、faster-RCNN和faster-RCNN优化模型,对来自Kaggle数据集的26 684张带标签的肺部X光图像进行研究。原始X光图像经预处理后输入3种深度学习模型,分别对单处和两处病灶区域进行目标检测。随机选取500张测试图像,利用损失函数、分类准确率、回归精度和误检病灶数等指标对各模型的性能进行评估。结果表明,faster-RCNN的性能指标优于SSD;Faster-RCNN优化模型的性能指标均优于其他两种模型,其损失函数值小且可快速达到稳定,平均分类准确率为93.7%,平均回归精度为79.8%,且误检病灶数为0。该方法有助于肺炎的准确识别和诊断。
展开更多
关键词
目标检测
肺炎图像
深度学习
更快速区域卷积神经网络(faster-RCNN)模型
单发多框探测器(SSD)模型
在线阅读
下载PDF
职称材料
基于改进VGG19卷积神经网络的肺炎图像分类(特邀)
被引量：
13
2
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
题名
基于深度学习的肺炎图像目标检测
被引量：
6
1
作者
何迪
刘立新
刘玉杰
熊丰
齐美捷
张周锋
机构
西安
电子科技大学光电工程
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
《中国生物医学工程学报》
CAS
CSCD
北大核心
2022年第4期443-451,共9页
基金
国家自然科学基金(62075177)
中国科学院光谱成像重点实验室开放基金(LSIT2005W)
高等学校学科创新引智计划(B17035)。
文摘
肺炎是一种严重危害身体健康的疾病,通常使用肺部X光片进行检查。肺炎诊断是肺炎治疗前非常重要的环节,但是由于肺部其他疾病的干扰、医疗数据的爆发式增长以及专业病理医生的缺乏等,导致肺炎的准确诊断较为困难。深度学习能够模仿人脑的机制准确高效地解释医学图像数据,在肺炎图像检测方面获得了广泛应用。构建了3种基于深度学习的图像目标检测模型,单发多框探测器(SSD)、faster-RCNN和faster-RCNN优化模型,对来自Kaggle数据集的26 684张带标签的肺部X光图像进行研究。原始X光图像经预处理后输入3种深度学习模型,分别对单处和两处病灶区域进行目标检测。随机选取500张测试图像,利用损失函数、分类准确率、回归精度和误检病灶数等指标对各模型的性能进行评估。结果表明,faster-RCNN的性能指标优于SSD;Faster-RCNN优化模型的性能指标均优于其他两种模型,其损失函数值小且可快速达到稳定,平均分类准确率为93.7%,平均回归精度为79.8%,且误检病灶数为0。该方法有助于肺炎的准确识别和诊断。
关键词
目标检测
肺炎图像
深度学习
更快速区域卷积神经网络(faster-RCNN)模型
单发多框探测器(SSD)模型
Keywords
object detection
pneumonia image
deep learning
faster region-based convolutional neural network(faster-RCNN)model
single shot multibox detector(SSD)model
分类号
R318 [医药卫生—生物医学工程]
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
2
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
作者
出处
发文年
被引量
操作
1
基于深度学习的肺炎图像目标检测
何迪
刘立新
刘玉杰
熊丰
齐美捷
张周锋
《中国生物医学工程学报》
CAS
CSCD
北大核心
2022
6
在线阅读
下载PDF
职称材料
2
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
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
