基于DenseNet结合迁移学习的胰腺囊性肿瘤分类方法

田慧武杰边云张志伟邵成伟

摘要：

本文采用了 DenseNet 结合迁移学习的分类模型,对胰腺黏液性囊性肿瘤(MCN)和浆液性囊性肿瘤(SCN)进行分类.首先对来自长海医院的 65例MCN和107例SCN数据进行扩增和预处理,其次构建DenseNet结合迁移学习的分类模型并进行微调,实验过程采用五折交叉验证,对MCN和SCN进行识别分类,并将该模型与AlexNet、VGG16、ResNet50 等其他深度学习模型进行对比.结果显示本文的分类模型识别效果最好,在测试集上ROC曲线下面积(AUC值)达到 0.989,准确率为 0.943,召回率为 0.949,精确率为 0.938.由此可见基于DenseNet结合迁移学习的分类模型对MCN…展开v

关键词：深度学习、DenseNet、迁移学习、胰腺囊性肿瘤

所属期刊栏目：40

分类号：TP394.1(计算技术、计算机技术)

在线出版日期：2023-09-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：270-279