基于卷积神经网络的颅内出血亚类型研究分析

为辅助医师诊断患者是否患有颅内出血,迅速定位出血病灶的大体位置,提出以EfficientNet网络为基础的模型,使用群组归一化技术改进EfficientNet,并与胶囊网络相结合构建GECapsule模型,用于在计算机断层扫描(CT)中进行颅内出血亚类型分类。仿真实验结果表明,GECapsule模型的收敛速度比EfficientNet网络快,召回率和F1分数与EfficientNet相比分别提升了2.18%、1.24%。该模型是一种准确、高效的颅内出血亚类型分类模型,有助于医师减少初诊的误诊率,辅助医生做出恰当适宜的临床决策。