利用卷积神经网络对CT图像进行定位的可行性研究

论文摘要

目的基于CT图像重建人体颈椎节段的三维模型和3D打印技术,为临床诊断提供清晰、特异的病变模型,提高模拟手术效果。方法采用AlexNet网络作为深度学习模型,并运用迁移学习对该模型进行预置。将训练样本按照椎体部位分为4类并进行标记,并利用数据扩增提高分类准确率。结果扩增后图像分类准确率由94.95%提高到97.72%,测试时间由2.05 s增加到3.03 s。结论利用卷积神经网络对CT图像进行身体定位是可行的,而数据扩增技术在提高分类准确率的同时也增加了训练及测试时间。

论文目录

• 0 引言
• 1 材料和方法
•   1.1 AlexNet卷积神经网络
•     1.1.1 卷积层
•     1.1.2 池化层
•     1.1.3 全连接层
•     1.1.4 反向传播算法
•     1.1.5 激活函数及其他
•   1.2 迁移学习
•   1.3 实验数据集
•   1.4 数据扩增
•   1.5 模型训练
•   1.6 评估方法
• 2结果
• 3 讨论
• 4 结论

文章来源

类型: 期刊论文

作者: 余行,蒋家良,何奕松,姜晓璇,傅玉川

关键词: 卷积神经网络,图像定位,深度学习,数据扩增

来源: 中国医疗器械杂志 2019年06期

年度: 2019

分类: 医药卫生科技,信息科技

专业: 临床医学,特种医学,计算机软件及计算机应用,自动化技术

单位: 四川大学华西医院放疗科

分类号: R814;TP391.41;TP183

页码: 454-458

总页数: 5

文件大小: 2380K

下载量: 89