研究目的
利用简单的图像处理技术和卷积神经网络识别热像图中的甲状腺结节。
研究成果
GoogLeNet卷积神经网络在热成像图甲状腺结节识别中表现优于AlexNet和VGG模型,准确率达到86.22%。未来工作包括在更大规模数据集上测试该方法,并评估其他CNN架构。
研究不足
所取得的较低准确率可能是由于使用的数据集规模较小所致。采用非预训练网络以及将图像调整为固定尺寸也可能对结果产生影响。
研究目的
利用简单的图像处理技术和卷积神经网络识别热像图中的甲状腺结节。
研究成果
GoogLeNet卷积神经网络在热成像图甲状腺结节识别中表现优于AlexNet和VGG模型,准确率达到86.22%。未来工作包括在更大规模数据集上测试该方法,并评估其他CNN架构。
研究不足
所取得的较低准确率可能是由于使用的数据集规模较小所致。采用非预训练网络以及将图像调整为固定尺寸也可能对结果产生影响。
加载中....
您正在对论文“[IEEE 2018年国际神经网络联合会议(IJCNN)- 里约热内卢(2018.7.8-2018.7.13)] 2018年国际神经网络联合会议(IJCNN)- 基于卷积神经网络的红外图像甲状腺结节识别”进行纠错
纠错内容
联系方式(选填)
称呼
电话
单位名称
用途
期望交货周期
称呼
电话
单位名称
用途
期望交货周期