文档名：基于细粒度图像分类算法的新冠CT图像分类
摘要：为解决新型冠状病毒肺炎(COVID-19:CoronaVirusDisease2019)计算机辅助诊断相关问题,建立双线性卷积神经网络模型,选取VGG(VGG:VisualGeometryGroupnetwork)16与VGG19网络作为特征提取子网络,将算法应用于新冠图像分类,并与基本图像分类算法进行对比.计算结果和病灶可视化分析表明,与其他深度学习网络模型相比,双线性卷积神经网络模型具有更高的精度,准确度高达95.19％.通过替换原始分类层,采用支持向量机分类器,模型分类准确度进一步提高至96.78％.研究结果证实了细粒度图像算法在新冠CT图像分类上的可行性,为快速正确诊疗新冠肺炎提供了可靠的工具.
作者：蔡茂 刘芳Author：CAIMao LIUFang
作者单位：长春工业大学数学与统计学院,长春130012
刊名：吉林大学学报（信息科学版） ISTIC
Journal：JournalofJilinUniversity(InformationScienceEdition)
年，卷(期)：2023, 41(4)
分类号：TP183
关键词：图像分类 双线性卷积神经网络 支持向量机 新冠肺炎
Keywords：imageclassification bilinearconvolutionalneuralnetwork supportvectormachines(SVM) CoronaVirusDisease2019(COVID-19)
机标分类号：TP391.41TP183TN911.73
在线出版日期：2023年9月26日
基金项目：吉林省科技厅自然科学基金资助项目基于细粒度图像分类算法的新冠CT图像分类[
期刊论文] 吉林大学学报（信息科学版）--2023, 41(4)蔡茂 刘芳为解决新型冠状病毒肺炎(COVID-19:CoronaVirusDisease2019)计算机辅助诊断相关问题,建立双线性卷积神经网络模型,选取VGG(VGG:VisualGeometryGroupnetwork)16与VGG19网络作为特征提取子网络,将算法应用于新冠图像...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于细粒度图像分类算法的新冠CT图像分类 CT Image Classification of COVID-19 Based on Fine-Grained Image Classification Algorithms
基于细粒度图像分类算法的新冠CT图像分类.pdf
- 文件大小:
- 6.26 MB
- 下载次数:
- 60
-
高速下载
|
