期刊简介
中华医学会、中国医学科学院生物医学工程所主办。本刊专门报导国内外生物医学工程学科领域的新技术、新进展、新动向与新成果，促进国际生物医学工程学科的学术交流。本刊不仅全面、及时地介绍和跟踪了国际生物医学工程的研究进展与趋势，也反映了我国生物医学工程学科的研究动向和关注热点。读者对象是生物医学工程科研工作者、医生和临床工程人员、高等院校有关专业师生及研究生等。主要栏目设有专家论坛、综述、论著、研究简报、新技术介绍及消息等。本刊为中文核心期刊(北京大学图书馆)及中国科技论文统计源期刊(中国科技核心期刊)。
往期目录
-
2001
-
2002
-
2003
-
2004
-
2005
-
2006
-
2007
-
2008
-
2009
-
2010
-
2011
-
2012
-
2013
-
2014
-
2015
-
2016
-
2017
-
2018
首页>国际生物医学工程杂志
- 杂志名称：国际生物医学工程杂志
- 主管单位：中华人民共和国卫生部
- 主办单位：中华医学会;中国医学科学院生物医学工程研究所
- 国际刊号：1673-4181
- 国内刊号：12-1382/R
- 出版周期：双月刊
期刊荣誉：在首届《CAJ－CD规范》执行评优活动中荣获《CAJ－CD规范》执行优秀奖期刊收录：国家图书馆馆藏, 知网收录(中), 统计源核心期刊(中国科技论文核心期刊), 万方收录(中), CA 化学文摘(美), 上海图书馆馆藏, 维普收录(中)
基于卷积神经网络的肾脏占位CT图像的良恶性分类研究
周蕾蕾；张作恒；陈宇辰；付晶晶；殷信道；蒋红兵
关键词：卷积神经网络, 迁移学习, 肾脏占位, CT图像, 良恶性分类
摘要：目的 探讨基于卷积神经网络(CNN)的肾脏占位CT图像良恶性分类方法的可行性及应用价值.方法 运用一种能够自动学习CT图像特征并分类的影像组学方法,先利用由大规模自然图像训练得到的CNN模型迁移学习肾脏占位CT图像的特征,再通过模型全连接层的精细调整来实现肾脏占位性CT图像的良恶性分类.结果 VGG19模型分类的各个评价指标低于ResNet50和Inception V3模型,且训练结果有较为明显的过拟合.Inception V3模型的准确率、灵敏度和阴性预测值分别为93.8％、99.5％、99.1％,均高于ResNet50模型.结论 基于CNN的肾脏占位CT图像良恶性分类方法合理、可行,且精细调整后的Inception V3模型的分类效果更好.
友情链接