基于特征迁移的肺炎CT图像分类

作者：杨东海; 许淑茹

来源：延安职业技术学院学报, 2021, 35(04): 104-108.

DOI：10.13775/j.cnki.cn61-1472/g4.2021.04.027

• 特征迁移
• GoogLeNet网络
• 肺炎
• 图像分类

针对肺炎CT图像标签数量不足的问题,提出一种基于特征迁移的改进GoogLeNet网络肺部CT图像分类方法。首先,对CT图像进行数据增强处理,增加样本的多样性。其次,改进GoogLeNet网络架构进行图像特征迁移。最后,使用改进GoogLeNet网络对CT图像进行提取特征并进行分类评价。实验结果表明,改进GoogLeNet网络分类准确率为88.39%,精确率为98.43%,敏感性为85.62%,特异性为96.16%,有效改善了肺部CT图像的诊断效果。

• 单位
  漳州卫生职业学院