歡迎來到優(yōu)發(fā)表網！
基于深度學習的甲狀腺結節(jié)良惡性預測方法研究
作者：陳德華; 周東陽; 樂嘉錦 東華大學計算機科學與技術學院; 上海201620
摘要：甲狀腺結節(jié)是一種常見臨床疾病,其發(fā)病率逐年增高。對于診治甲狀腺結節(jié)的首要問題是明確及鑒別其良惡性質。為了提高甲狀腺結節(jié)良惡性預測的準確率,提出一種基于深度學習的甲狀腺結節(jié)良惡性鑒別方法。實驗在真實醫(yī)療數據集上對比了深度學習算法與傳統(tǒng)BP神經網絡和邏輯回歸算法,結果表明基于深度學習的預測方法具有最高的準確率,在非稀疏數據和稀疏數據集上分別達到94%和88.84%。
注：因版權方要求，不能公開全文，如需全文，請咨詢雜志社。
微型機與應用雜志
微型機與應用雜志， 半月刊，本刊重視學術導向，堅持科學性、學術性、先進性、創(chuàng)新性，刊載內容涉及的欄目：綜述與評論、軟件天地、硬件縱橫、網絡與通信、應用奇葩、技術與方法、圖形與圖像等。于1982年經新聞總署批準的正規(guī)刊物。
- 部級期刊
- 1個月內審核
