目的:应用深度学习进行病毒电镜图像的分类,通过多种模型性能的比较,提供适用于病毒电镜图像分类的网络模型,提供病毒电镜图像识别的辅助与支持,减少研究人员的劳动强度和分析时间。方法:通过加深网络深度、调整学习率和批量大小等参数,使用AlexNet、VGG、ResNet、DenseNet、SqueezeNet、MobileNet、ShuffleNet多种经典的卷积神经网络对七种病毒电镜图像进行分类。结果:DenseNet169以91.9
作者:孙世丁;邹小辉;付赛际;孙宇;鲁茁壮;田英杰
来源:中华实验和临床病毒学杂志 2021 年 35卷 1期