基于深度学习的医疗辅助诊断数据分析方法

针对海量医疗诊断数据缺乏高效且准确的分析方法,文中提出了一种基于深度学习的医疗辅助诊断数据处理方法.该方法对医疗诊断数据进行预处理,包括归一化处理与主成分分析,以得到医疗数据特征;利用部署多层感知器的神经网络分析已完成预处理的数据,从而实现诊断分类,为医生提供智能化的辅助诊断;基于Python软件平台对所提方法展开实验...     

基于深度学习的自动牙列缺损分类研究

自动的牙列缺损分类研究对计算机辅助诊断具有重要的意义.文中提出了一种利用深度卷积神经网络从二维全景牙科X射线图像中实现自动准确的牙列缺损分类的方法.该方法基于空间注意力机制和残差网络进行分类网络的设计,提取深度视觉特征信息,使得牙列缺损分类效果具有更高的准确率和鲁棒性.实验证明,该方法能够自动准确地进行牙列缺损的分类,...     

基于特征图集合的遥感影像深度学习地物分类研究

针对高分辨率遥感影像复杂地物分类的问题,提出了人工特征工程与深度神经网络相结合的地物分类方法.通过纹理与结构等人工设计特征提取构建多尺度特征图,采用特征图和原始图像合并构建的高维图集合作为网络输入,最大程度地丰富了输入信息量,同时增强了纹理、 尺度等有利特征在网络训练过程中的主导作用.根据全卷积网络端到端的像素级分类思...     

基于深度学习的有遮挡人脸识别方法研究

针对传统CNN在有遮挡人脸识别中计算量大的问题,文中以L1-2DPCA为基础,提出了一种用于人脸识别的新型PCANet深度学习网络.该网络以L1-2DPCA学习多个卷积层的滤波器,在卷积层之后,通过二进制散列和逐块直方图进行池化.文中以CNN、PCANet、2DPCANet和L1-PCANet作为比较,在AR和RMFD...