文献类型：期刊文章

作　　者：张海涛[1] 刘景鑫[2,4,5,6,7] 赵晓晴[1] 胡笑含[3] 李慧盈[1]

ZHANG Haitao;LIU Jingxin;ZHAO Xiaoqing;HU Xiaohan;LI Huiying(School of Computer Science and Technology,Jilin University,Changchun Jilin 130012,China;Department of Radiology,China-Japan Union Hospital,Jilin University,Changchun Jilin 130033,China;Department of Radiology,The First Hospital,Jilin University,Changchun Jilin 130021,China)

机构地区：[1]吉林大学计算机科学与技术学院,吉林长春130012 [2]吉林大学中日联谊医院放射线科,吉林长春130033 [3]吉林大学第一医院放射线科,吉林长春130021 [4]中华医学会医学工程学分会 [5]中国医师协会临床工程师分会 [6]中国医学装备协会CT工程技术专委会 [7]中国计量测试学会医学计量分会

出　　处：《中国医疗设备》

基　　金：国家重点研发计划(2018YFC0116901);吉林大学高层次科技创新团队建设项目(2017TD-27);吉林省省校共建项目(SXGJXX2017-5);吉林省科技发展计划(20180101048JC;20190302027GX);吉林省教育厅“十三五”规划(JJKH20190166KJ;JJKH20180147KJ)

年　　份：2019

卷　　号：34

期　　号：7

起止页码：1-4

语　　种：中文

收录情况：JST、ZGKJHX、普通刊

摘　　要：针对临床医学中急性淋巴细胞白血病(Acute Lymphoblastic Leukemia,ALL)血液细胞显微图像分类易错、费时等问题,本文提出了一种基于深度学习VGG16卷积神经网络模型的方法去获取医学图像中高纬度的病理信息。该方法首先将样本数据进行预处理,清洗出符合要求的训练集和验证集,其中还用到了超像素的方法用于训练样本的目标区域提取,然后再将预处理好的数据,输入到VGG16卷积神经网络模型中,对其进行训练,最后输入验证集进入模型中进行验证,实验结果表明,该分类方法能有效地完成ALL血液细胞显微图像是否患病的分类。

关 键 词：急性淋巴细胞白血病 血液细胞显微图像  VGG16卷积神经网络  深度学习  

分 类 号：TN915.02]