| 标题 |
基于DCGAN的脑膜瘤与听神经瘤检测模型优化方法研究
|
| 网址 |
求助人暂未提供
|
| DOI |
暂未提供，该求助的时间将会延长，查看原因？
|
| 其它 |
摘要：由于人体桥小脑角区的脑膜瘤与听神经瘤在影像学的表现以及发病位置极其相似，临床诊断极易发生误诊．采用深度学习方法建立肿瘤自动检测模型，能有效降低人工诊断主观性，减少误诊漏诊率，提高工作效率．而数据集的多样性及图像质量的优越性很大程度上决定了检测模型的性能．针对医学图像数据集稀缺、类别数量不平衡及成像质量较差等问题，本文提出一种改进损失函数的深度卷积生成对抗网络（Deep Convolutional Generative Adversarial Networks,DCGAN）进行脑膜瘤与听神经瘤检测模型的数据增强，并与传统数据集增强方法进行了对比．结果显示通过改进的DCGAN优化数据集后，脑膜瘤与听神经瘤检测模型的精确率、特异性以及均值平均精度值（Mean Average Precision,mAP）分别较原数据集提高了0.014 6、0.022 4、0.030 0，上升至0.932 8、0.898 6、0.930 0．实验结果表明，通过DCGAN对数据集进行优化处理后，在脑肿瘤临床检测领域中，能较好地提高其模型的检测性能，更为可靠地辅助临床医学诊断． 关键词： 脑肿瘤;检测模型;数据集增强;DCGAN; 基金资助： 微创励志创新基金资助项目(182702156)； 专辑： 基础科学;医药卫生科技;信息科技 专题： 神经病学;肿瘤学;计算机软件及计算机应用 分类号： TP391.41;R739.4 |
| 求助人 | |
| 下载 |
PDF的下载单位、IP信息已删除
浮游
鸣笛
核桃
pluto
归尘
8R60d8
zcl
遇上就这样吧
小青椒
CR7
pcr163
馆长
生动梦松
GingerF
dodo
昏睡的蟠桃
小明
jenningseastera
WLWLW
Dean
皖公网安备34019202002308
