版权说明 操作指南
首页 > 成果 > 详情

神经网络算法对新冠肺炎CT的判别的准确率研究

认领
导出
Link by DOI
反馈
分享
QQ微信 微博
成果类型:
期刊论文
论文标题(英文):
Research on the Accuracy of Neural Network Algorithm for the Discrimination of New Coronary Pneumonia CT
作者:
杨永丽;廖新元*;骆金鹏;叶云飞;刘杨杨;...
通讯作者:
廖新元
作者机构:
[杨永丽; 廖新元; 骆金鹏; 叶云飞; 刘杨杨; 田大伟] 南华大学数理学院,湖南 衡阳
通讯机构:
[廖新元]
南华大学数理学院,湖南 衡阳
语种:
中文
关键词:
CT图像识别,神经网络CT Image Identification,Neural Network
期刊:
应用数学进展
ISSN:
2324-7991
年:
2022
卷:
11
期:
05
页码:
2641-2650
基金类别:
科研立项经费支持
机构署名:
本校为第一且通讯机构
院系归属:
数理学院
摘要:
Abstract: With the development of computer technology, the role of artificial intelligence in the medical field has become increasingly prominent. Especially in recent years, the new type of intelligent impact recognition robot assists doctors in disease diagnosis, which greatly improves the efficiency of doc-tors’ diagnosis. This paper mainly studies the image recognition accuracy of the neural network model affected for CT. This article takes the lung CT images of patients with new coronary pneumo-nia as the research object. Feature extracti...
摘要(英文):
摘要: 随着计算机技术的发展,人工智能在医疗领域的作用日益凸显,尤其是近几年新型的智能影响识别机器人辅助医生进行疾病诊断,大大提升医生诊断效率。本文主要研究神经网络模型对于CT影响的图像识别准确率,以新冠肺炎患者的肺部CT影像为研究对象,进行特征提取,建立卷积神经网络模型和AlexNet深度神经网络模型以及SE-ResNet神经网络模型,最终得到卷积神经网络算法准确率稳定在80%,AlexNet深度神经网络模型的准确率在83%,SE-ResNet神经网络模型的准确率在87%,助力医生快速进行疾病诊断。

反馈

验证码:
看不清楚,换一个
确定
取消

成果认领

标题:
用户 作者 通讯作者
请选择
请选择
确定
取消

提示

该栏目需要登录且有访问权限才可以访问

如果您有访问权限,请直接 登录访问

如果您没有访问权限,请联系管理员申请开通

管理员联系邮箱:yun@hnwdkj.com