基于深度学习的肺炎检测技术研究.docxVIP

下载本文档

7
0
约5.21万字
约 76页
2023-11-16 发布于广东
举报
版权申诉

基于深度学习的肺炎检测技术研究.docx

1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

基于深度学习的肺炎检测技术研究摘要胸部X光检查是用于筛查和诊断许多肺部疾病的最常见的放射学检查之一。因此，本文将通过肺部的CT影像与深度学习技术结合起来，对肺炎疾病作出诊断。本学位论文将通过强监督学习和弱监督学习分析学习肺炎检测，并把广泛用于通用目标检测的网络结构和损失函数改造以适用于肺炎检测训练，本学位论文的研究内容主要分为以下几点：把强监督学习的通用目标检测技术用于医疗图像本文分析了肺炎影像和自然图片的不同，并对单阶段通用目标检测模型RetinaNet进行优化，扩大检测尺度的范围，提高了肺炎检测的精度；针对肺炎影像的数据不平衡问题，用Focal Loss损失函数辅助