您的账号已在其他设备登录,您当前账号已强迫下线,
如非您本人操作,建议您在会员中心进行密码修改

确定
收藏 | 浏览14 | 下载2

为了更好的为临床疗效评估提供参考,本研究使用胰腺癌患者的APT、DPT、NPT、VPT 4 期CT图像数据集进行肿瘤良恶性分类.分别建立深度学习和机器学习模型,评价对胰腺肿瘤良恶性分类的准确率,比较了深度学习和机器学习模型在CT图像应用性能的优势与不足.深度学习模型采用VGG16,训练测试后评估识别率较高的是APT数据集和VPT数据集,其测试集准确率均达到了 86

作者:郭冰冰;谷雪莲;胡秀枋;孙运文;徐秀林

来源:智能计算机与应用 2023 年 13卷 10期

知识库介绍

临床诊疗知识库该平台旨在解决临床医护人员在学习、工作中对医学信息的需求,方便快速、便捷的获取实用的医学信息,辅助临床决策参考。该库包含疾病、药品、检查、指南规范、病例文献及循证文献等多种丰富权威的临床资源。

详细介绍
热门关注
免责声明:本知识库提供的有关内容等信息仅供学习参考,不代替医生的诊断和医嘱。

收藏
| 浏览:14 | 下载:2
作者:
郭冰冰;谷雪莲;胡秀枋;孙运文;徐秀林
来源:
智能计算机与应用 2023 年 13卷 10期
标签:
CNN 机器学习 胰腺癌 CT图像 AdaBoost 随机森林 CNN machine learning pancreatic cancer CT images AdaBoost random forest
为了更好的为临床疗效评估提供参考,本研究使用胰腺癌患者的APT、DPT、NPT、VPT 4 期CT图像数据集进行肿瘤良恶性分类.分别建立深度学习和机器学习模型,评价对胰腺肿瘤良恶性分类的准确率,比较了深度学习和机器学习模型在CT图像应用性能的优势与不足.深度学习模型采用VGG16,训练测试后评估识别率较高的是APT数据集和VPT数据集,其测试集准确率均达到了 86