基于深度级联森林的生命科普医学3D图像数据分类方法  

作　　者：陈洪毅 黎小丽 刘洪喜[1] 朱晓毅[1] 王永红 

机构地区：[1]铜仁职业技术学院护理学院,贵州铜仁554200 [2]重庆大学附属医院重庆市人民医院,重庆400000 [3]河南豫弘实业有限公司,河南郑州45000

出　　处：《佳木斯大学学报（自然科学版）》2024年第11期126-129,共4页Journal of Jiamusi University：Natural Science Edition

基　　金：铜仁职业技术学院校内生产性产教融合实训基地项目(铜职院办(2023)75号);铜仁职业技术学院校级“人体标本产教融合”科研平台(tzpt(2022)188-05)。

摘　　要：为实现不同疾病3D图像的分类展示,强化对疾病的理解,提出基于深度级联森林的生命科普医学3D图像数据分类方法。构建基于深度级联森林的生命科普医学3D图像数据分类模型,将医学3D图像作为模型的输入,利用卷积神经网络提取其特征向量后,将其输入级联森林过程中,根据随机森林基于原理,设计旋转森林,将二者作为基分类器设计各级联层,对特征向量作表征学习,将基于拟牛顿法的逻辑回归分类器引入到其结构中,对各个基分类器输出做整合处理,输出生命科普医学3D图像数据分类结果。实验结果表明:研究方法可实现生命科普医学3D图像数据分类,训练样本较少时,也可取得突出分类效果;决策树数量达到500、深度为45时,F1-score,Kappa系数最大;训练误差仅为0.06。

关 键 词：深度级联森林 医学3D图像 卷积神经网络 随机森林 选择森林 逻辑回归分类器 

分 类 号：TP399[自动化与计算机技术—计算机应用技术]