基于非酒精性脂肪性肝病超聲圖像的預(yù)訓(xùn)練神經(jīng)網(wǎng)絡(luò)分類算法

打開文本圖片集

摘    要    超聲檢查因其無創(chuàng)性已成為診斷非酒精性脂肪性肝?。∟AFLD）的首選方法，計算機輔助診斷技術(shù)的引入可以幫助醫(yī)師減少在NAFLD檢測和分類的偏差。為此，本研究提出了一種將結(jié)合注意力機制的預(yù)訓(xùn)練VGG16網(wǎng)絡(luò)與Stacking集成學(xué)習(xí)模型相結(jié)合的混合模型，集合了基于自注意力機制的多尺度特征聚合和基于Stacking集成學(xué)習(xí)模型多分類模型（邏輯回歸、隨機森林、支持向量機）融合的特性，實現(xiàn)基于肝臟超聲圖像的正常肝臟、輕度脂肪肝、中度脂肪肝、重度脂肪肝的4分類，準(zhǔn)確度為91.34%，略優(yōu)于傳統(tǒng)神經(jīng)網(wǎng)絡(luò)算法（≤89.41%）。（剩余16207字）