研究目的
开发一种通过影像、临床检查和机器学习实现的口腔与CAD系统健康筛查及交叉关联的新方法,用于视网膜图像中糖尿病视网膜病变的严重程度分析。
研究成果
采用MCNNs的HTF方法总体分类准确率达到98.41%,优于现有方法(采用SVM的HTF为97.84%,采用CNNs的HTF为96.65%)。该系统在中重度NPDR类别中展现出比其他类别更优的准确率表现。
研究不足
该研究未讨论分类过程的计算复杂度或所需时间。此外,该方法对其他类型医学图像的普适性也未作探究。
研究目的
开发一种通过影像、临床检查和机器学习实现的口腔与CAD系统健康筛查及交叉关联的新方法,用于视网膜图像中糖尿病视网膜病变的严重程度分析。
研究成果
采用MCNNs的HTF方法总体分类准确率达到98.41%,优于现有方法(采用SVM的HTF为97.84%,采用CNNs的HTF为96.65%)。该系统在中重度NPDR类别中展现出比其他类别更优的准确率表现。
研究不足
该研究未讨论分类过程的计算复杂度或所需时间。此外,该方法对其他类型医学图像的普适性也未作探究。
加载中....
您正在对论文“基于混合结构描述符和改进卷积神经网络的糖尿病视网膜病变严重程度分析”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