基于CNN的糖尿病视网膜病变图像识别研究

论文摘要

目前,深度学习已经应用到医学图像识别领域,相关学者研究并开发深度学习算法,实现计算机对医学图像的识别与处理,诊断病因,为医生提供辅助诊断决策。本文介绍了卷积神经网络(CNN)背景及相关重要理论知识,基于TensorFlow框架,采用Python作为编程语言,在Anaconda平台搭建卷积神经网络,采集医学图像,对其进行处理并进行识别操作,实验表明,通过CNN训练的网络能成功识别出不同分类的图片。

论文目录

• 1 卷积神经网络
•   1.1 卷积神经网络的背景
•   1.2 卷积层的计算
•   1.3 池化层的计算
•   1.4 全连接层的计算
•   1.5 卷积神经网络的训练
• 2 实验数据
•   2.1 cifar10数据集
•   2.2 医学数据集
• 3 实验步骤
•   3.1 搭建CNN神经网络
•   3.2 训练步骤
•   3.3 测试步骤
•   3.4分析
• 4 总结

文章来源

类型: 期刊论文

作者: 潘杨帆,吴涛,颜二惠,胡奇奇,蒋鹏飞

关键词: 卷积神经网络,医学图像识别

来源: 电脑知识与技术 2019年31期

年度: 2019

分类: 信息科技,医药卫生科技

专业: 内分泌腺及全身性疾病,眼科与耳鼻咽喉科,计算机软件及计算机应用,自动化技术

单位: 安徽中医药大学医药信息工程学院,安徽大学计算机科学与技术学院

基金: 安徽中医药大学自然重点项目(2018zrzd12),安徽省高校人文社科研究重点项目(SK2018A0218),安徽中医药大学2018年度大学生创新创业训练计划重点项目(2018064)

分类号: TP391.41;TP183;R587.2;R774.1

DOI: 10.14004/j.cnki.ckt.2019.3733

页码: 206-208

总页数: 3

文件大小: 2020K

下载量: 315