TY -的A2 - el - baz,扎非盟-里贝罗,爱德华多AU - Uhl Andreas盟威默,Georg AU - Hafner,迈克尔PY - 2016 DA - 2016/10/26 TI -探索深度学习和转移学习结肠息肉分类SP - 6584725六世- 2016 AB -最近,深度学习,尤其是通过卷积神经网络(cnn)已经被广泛用于启用高度代表特征的提取。这样做是在网络层的过滤、选择和使用这些特性在过去完全连接层进行模式分类。然而,CNN培训自动化内窥镜图像分类仍然提供了一个挑战由于缺少大型公开注释数据库。在这个工作我们探索深度学习的自动化分类结肠息肉使用不同配置培训cnn从头开始(或完整的训练)和不同的架构pretrained cnn 8-HD-endoscopic测试图像数据库使用不同的形式获得。我们比较我们的结果和一些常用的功能为结肠息肉分类和学习的好结果表明功能cnn从头训练和“现成的”cnn特性可以高度相关的结肠息肉的自动分类。此外,我们还表明,经典的组合特性和“现成的”cnn特性可以进一步提高结果的好方法。SN - 1748 - 670 - 2016/6584725 / 10.1155 x你——https://doi.org/10.1155/2016/6584725——摩根富林明——计算和数学方法在医学PB - Hindawi出版公司KW - ER