| 基于深度信念网络的乳腺肿瘤辅助诊断研究 |
| |
| 引用本文： | 许凯波,罗广祥,孙震辉. 基于深度信念网络的乳腺肿瘤辅助诊断研究[J]. 计算机与数字工程, 2019, 47(3): 582-586 |
| |
| 作者姓名： | 许凯波 罗广祥 孙震辉 |
| |
| 作者单位： | 长安大学地球科学与资源学院 西安 710054;中国科学院遥感与数字地球研究所 北京 100101 |
| |
| 基金项目： | 国家自然科学基金;陕西省教育厅重点实验室科研计划项目 |
| |
| 摘 要： | 针对传统的浅层机器学习算法对乳腺肿瘤识别精度不高的问题,论文构建了一种基于深度信念网络(DBN)的乳腺肿瘤识别模型。首先对原始的乳腺肿瘤特征数据进行预处理,然后构建深度信念网络模型对乳腺肿瘤特征数据进行训练和识别,最后将深度信念网络模型的识别精度和传统的浅层机器学习算法的结果进行了对比。仿真实验结果表明,论文构建的基于深度信念网络的模型对乳腺肿瘤具有很好的识别效果,平均识别精度达到了98.45%,识别精度高于BP神经网络、LVQ神经网络、决策树和支持向量机(SVM)等浅层机器学习算法。
|
| 关 键 词： | 浅层机器学习算法 深度信念网络 乳腺肿瘤 辅助诊断 |
Research on Aided Diagnosis of Breast Tumors Based on Deep Belief Networks |
| |
| XU Kaibo,LUO Guangxiang,SUN Zhenhui. Research on Aided Diagnosis of Breast Tumors Based on Deep Belief Networks[J]. Computer and Digital Engineering, 2019, 47(3): 582-586 |
| |
| Authors: | XU Kaibo LUO Guangxiang SUN Zhenhui |
| |
| Affiliation: | (College of Earth Sciences and Resources,Chang'an University,Xi'an 710054;Institute of Remote Sensing and Digital Earth ,Chinese Academy of Sciences,Beijing 100101) |
| |
| Abstract: | XU Kaibo;LUO Guangxiang;SUN Zhenhui(College of Earth Sciences and Resources,Chang'an University,Xi'an 710054;Institute of Remote Sensing and Digital Earth ,Chinese Academy of Sciences,Beijing 100101) |
| |
| Keywords: | shallow machine learning algorithm deep belief network breast tumors aided diagnosis |
| 本文献已被 维普 万方数据 等数据库收录！ |
