深度学习模型GoogleNet-PNN对肝硬化的识别

来源：计算机工程与应用杂志2019年第5期北京时间：

作者：鞠维欣1，赵希梅1，2，魏 宾2，王国栋1

单位：1.青岛大学 计算机科学技术学院，山东 青岛 266071；2.山东省数字医学与计算机辅助手术重点实验室，山东 青岛 266000

摘要：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。

关键词：深度学习,医学图像,卷积神经网络,概率神经网络,迁移学习