论文研究深度学习模型GoogleNetPNN对肝硬化的识别.pdf

针对传统机器学习人工提取特征耗时耗力，并且提取高质量特征存在一定困难等问题，将基于深度学习的方法，首次结合卷积神经网络和概率神经网络，提出了一种新的模型GoogleNet-PNN，其自动学习特征，避免了手动提取特征的繁琐性，而且结合了PNN训练容易、收敛速度快等特点，在肝病分类的实验中取得了较好的效果；并使用了迁移学习的方法，通过在自然图像集的预训练，然后应用到医学图像，避免了因样本不足而出现的过拟合问题，实验结果最终表明识别准确率要优于其他方法，达到了98%的客观识别率。