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.
维普
万方数据