研究目的
利用基于卷积神经网络的系统对HEp-2间接免疫荧光图像进行阳性/阴性荧光强度分类,以诊断自身免疫性疾病。
研究成果
基于卷积神经网络的系统在荧光强度分类中实现了高准确率(92.8%),优于现有方法。该系统展现出作为自身免疫疾病诊断辅助工具的潜力,具有更高的灵敏度和特异性。
研究不足
该方法依赖于特定的数据库(AIDA),这可能会限制其普适性。预处理过程中未采用降噪滤波器,因为它们会对性能产生负面影响。支持向量机分类器使用的是线性核函数,可能无法捕捉所有的复杂情况。
研究目的
利用基于卷积神经网络的系统对HEp-2间接免疫荧光图像进行阳性/阴性荧光强度分类,以诊断自身免疫性疾病。
研究成果
基于卷积神经网络的系统在荧光强度分类中实现了高准确率(92.8%),优于现有方法。该系统展现出作为自身免疫疾病诊断辅助工具的潜力,具有更高的灵敏度和特异性。
研究不足
该方法依赖于特定的数据库(AIDA),这可能会限制其普适性。预处理过程中未采用降噪滤波器,因为它们会对性能产生负面影响。支持向量机分类器使用的是线性核函数,可能无法捕捉所有的复杂情况。
加载中....
您正在对论文“用于HEp-2荧光强度分类的深度卷积神经网络”进行纠错
纠错内容
联系方式(选填)
称呼
电话
单位名称
用途
期望交货周期
称呼
电话
单位名称
用途
期望交货周期