TY -的盟Dawud Awwal默罕默德盟——Yurtkan,卡米尔盟——Oztoprak Huseyin PY - 2019 DA - 2019/06/03 TI -深度学习在神经放射学中的应用:脑出血分类使用转移学习SP - 4629859六世- 2019 AB -在这篇文章中,我们解决的问题识别脑出血为放射科医生被认为是一个乏味的任务,特别是在早期阶段的出血。问题已经解决了使用深度学习方法卷积神经网络(CNN)的,知名AlexNet神经网络,以及修改后的小说版本的AlexNet与支持向量机(AlexNet-SVM)分类器训练大脑计算机断层扫描(CT)图像分类为出血或nonhaemorrhage图像。采用深度学习模型的目的是解决主要的问题在医学图像分析和分类:可以足够微调的一个pretrained模型(学习)转移消除从头构建一个CNN的需要吗?此外,本研究还将探讨使用支持向量机作为分类器的优点而不是三层神经网络。我们应用相同的分类任务三个深网络;是从头开始创建的,另一个是pretrained模式调整脑部CT出血分类任务,和我们修改小说AlexNet模型,使用支持向量机分类器。三个网络训练使用相同数量的脑部CT图像。实验表明,知识的转移从自然图像、医学图像分类是可能的。此外,我们的结果证明,该修改pretrained模型“AlexNet-SVM”可以比从头创建一个卷积神经网络和原始AlexNet识别大脑出血。SN - 1687 - 5265 UR - https://doi.org/10.1155/2019/4629859 - 10.1155 / 2019/4629859摩根富林明计算智力和神经科学PB - Hindawi KW - ER