針對目前新生兒膽紅素含量升高造成的新生兒各種病癥的弊端,考慮到傳統(tǒng)新生兒膽紅素水平測試所帶來的患者創(chuàng)傷與操作不便捷的問題,在VGGNet-16神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上,提出了一種改進的VGGNet-16網(wǎng)絡(luò)算法,對已有的新生兒膽紅素醫(yī)療記錄數(shù)據(jù)進行分類研究,不同的類別具備一定范圍的膽紅素水平值;經(jīng)過實際驗證,該算法在克服傳統(tǒng)新生兒膽紅素水平測定不便捷的同時,保證了新生兒膽紅素水平測試的高準確性,平均準確率達95.56%,為新生兒膽紅素水平測量方法提供了思路,具有較高的推廣應(yīng)用價值。

【文章頁數(shù)】：5 頁

【部分圖文】：

圖1 圖像卷積示意圖

對于使用卷積核對圖像特征的提取，需要設(shè)定卷積核的尺寸，假定卷積核的規(guī)格為w×w，設(shè)置步長為k個像素，處理的圖像尺寸為（nh×nw），不采用邊緣填充的方法，將會得到一個大小為的特征圖，如果卷積核的數(shù)量為m個，將會得到m個這樣的特征圖，卷積核運算的過程如圖1所示。理論情況下，所采用的....

圖3 全連接網(wǎng)絡(luò)層

在對CNN網(wǎng)絡(luò)提取的特征圖像進行分類的時候，需要對已經(jīng)提取得到的特征值進行全連接網(wǎng)絡(luò)的分類處理，全連接網(wǎng)絡(luò)的結(jié)構(gòu)圖如圖3所示，其輸入是已經(jīng)得到的圖像特征值，輸出是處理分類的信息。圖3中的隱藏層包含了2層的全連接神經(jīng)網(wǎng)絡(luò)模型，本文構(gòu)造的BP神經(jīng)網(wǎng)絡(luò)由1個輸入層，3個隱藏層和1個輸出....

圖4 算法采用模型

使用的CNN神經(jīng)網(wǎng)絡(luò)模型中流行的VGGNet-16作為網(wǎng)絡(luò)的主體，因為其識別的精度較高，適合用于圖像特征的識別，在此之上進行改進，將最大池化層原則更換為平均池化原則，主要是為了更多發(fā)現(xiàn)新生兒照片中的背景顏色特征，降低圖像紋理特征的干擾。如圖4所示，是本文選用的網(wǎng)絡(luò)模型。如圖4所示....

圖5 Dropout優(yōu)化策略示意圖

為了將已經(jīng)采樣得到的新生兒膽紅素檢測照片（主要是心臟部位的皮膚照片）與通過儀器設(shè)備測定的膽紅素含量進行分類，從已有的本院數(shù)據(jù)庫中導出了1300份有關(guān)的數(shù)據(jù)條例，借助文獻[15]的部分理論結(jié)果，將數(shù)據(jù)分為6大類，每大類的具體信息如表1所示。將本院已有的新生兒醫(yī)療記錄信息供130....

本文編號：4025799