基于深度学习的宫颈病变识别方法研究
刘春晖 侯皓喆 王桂言
目的 研究基于图像的深度学习在宫颈癌病变中的价值。方法 选取400例阴道镜检查的女性作为研究对象，通过对图像进行预处理，建立合适的深度残差网络分类模型，最终，通过残差网络对宫颈病变程度进行分类并得出结论。结果 ResNet18模型、ResNet34模型、Resnet50模型在训练集上取得的准确度分别为88.52%、88.27%、88.89%，损失为0.02、0.02、0.06，在验证集上取得的准确度分别为89.22%、89.76%、89.3%，损失为0.02、0.03、0.03。结论 ResNet18模型的效果优于ResNet34模型和ResNet50模型，更好更稳定。
(共3页)
~~ 试读结束 ~~
全文下载 1.5 元
赣公网安备 36012102000372号
互知学术
全科互知