计算机科学与探索

作者：安凤平, 李晓薇, 曹翔

单位：1. 淮阴师范学院 物理与电子电气工程学院，江苏 淮安 223300；2. 北京理工大学 信息与电子学院，北京 100081

关键词：深度学习,权重初始化,滑动窗口,卷积神经网络（CNN）,医学图像分类

基金：国家自然科学基金(61701188);江苏省自然科学基金(BK20201479);中国博士后科学基金(2019M650512)

深度学习在医学图像分类应用过程中存在以下问题：一是无法针对医学图像性质构建深度学习模型层级;二是深度学习模型网络初始化权重未能得到较好优化。为此，首先从网络优化角度出发，通过优化方法提高网络的非线性建模能力，提出了一种新的网络权重初始化方法，缓解了现有深度学习的初始化理论受限于非线性单元类型的问题，增加了神经网络处理不同视觉任务的潜力。同时，为了充分利用医学图像的特性，通过对多列卷积神经网络框架进行深入研究，发现通过改变卷积神经网络不同层次的特征数目和卷积核大小，可以构建不同的卷积神经网络模型，以更好地适应待处理医学图像的医学特性，并训练得到的异构多列卷积神经网络。最后，利用提出的一种自适应的滑动窗口融合机制，共同完成医学图像的分类任务。基于上述思想，提出了一种基于权重初始化-多层卷积神经网络滑动窗口融合的医学分类算法。利用提出方法对乳腺肿块分类、脑肿瘤组织分类实验和医学图像数据库分类分别进行实验，实验结果表明，所提方法不仅平均准确率较传统机器学习、其他深度学习方法有明显提高，而且具有较好的稳定性和鲁棒性。

来源：2022年第8期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2022年第8期