基于深度学习和磁共振图像的膝骨关节炎分类  

Knee osteoarthritis Classification based on deep learning and magnetic resonance

作　　者：王昕[1] 刘爽 周长才 WANG Xin;LIU Shuang;ZHOU Changcai(School of Computer Science&Engineering,Changchun University of Technology,Changchun 130102,China)

机构地区：[1]长春工业大学计算机科学与工程学院,吉林长春130102

出　　处：《长春工业大学学报》2023年第1期45-51,共7页Journal of Changchun University of Technology

基　　金：吉林省自然科学基金项目(20220101128JC)。

摘　　要：利用改进LeNet-5卷积神经网络模型对有无膝骨关节炎病变进行判别。该模型在原LeNet-5模型的基础上,改进卷积层中的激活函数,使模型尽可能多地学习图像的特征,在相应的卷积层后引入Layer Normalization层归一化和随机失活法(Dropout),以此来提高模型的泛化性能及分类精度。对比实验结果表明,改进的LeNet-5网络模型分类的平均准确率为95.6%。Improved LeNet-5 convolution neural network model is used to identify any knee osteoarthritis.Based on LeNet-5 model,the activation function in convolution layer is applied to learn the image features,and then the Layer Normalization and random inactivation(Dropout)are introduced to increase the generalization performance and classification accuracy.The comparative experimental results indicate that average accuracy of the model is 95.6%.

关 键 词：膝骨关节炎 磁共振图像 LeNet-5 卷积神经网络 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]