文献类型：期刊文章

作　　者：圣文顺[1] 孙艳文[1]

SHENG Wenshun;SUN Yanwen(Pujiang Institute,Nanjing Tech University,Nanjing 211222,China)

机构地区：[1]南京工业大学浦江学院,江苏南京211222

出　　处：《软件工程》

基　　金：南京工业大学浦江学院2018年度科研立项课题"基于卷积神经网络的深度学习研究与应用"(项目编号:NJPJ2018-2-08);南京工业大学浦江学院2018年度大学生科技创新能力培养计划"基于Spark混合神经网络的图像识别技术应用研究"

年　　份：2019

卷　　号：22

期　　号：2

起止页码：13-16

语　　种：中文

收录情况：普通刊

摘　　要：随着医学成像技术的不断发展,病理识别在医学诊断过程中的作用越来越重要。人工智能领域的机器学习可以帮助完成医学图像诊断的自动识别,数字化地辅助医学诊断过程,同时降低医务工作者的工作量。卷积神经网络(CNN)是近年发展起来的一种非常有效的机器学习方法,属于深度学习的范畴,它能够完整地模拟人类的图像识别过程,并且已经在图像识别领域取得了优异的成绩。本文将卷积神经网络应用于病理图像的识别中,同时对病理图片进行了采集、整理和智能学习,完成并分析了算法对比实验,最终实现了对病理图像的优化识别,提高了病理图像的识别率,验证了算法的有效性。

关 键 词：卷积神经网络 病理图像 深度学习  医学成像

分 类 号：TP391.4]