42、基于深度学习的医学诊断与病毒感染预测研究

基于深度学习的医学诊断与病毒感染预测研究

脑肿瘤检测与分类的深度特征融合方法

在脑肿瘤检测和分类领域，一种基于深度特征融合的新方法被提出。该方法利用多个深度学习模型，如DenseNet - 121、InceptionV3和MobileNetV2，从不同层面提取多样化的特征。

1. CNN超参数设置
   - 此方法中CNN的超参数设置如下表所示：
   | 超参数 | 值 |
   | ---- | ---- |
   | Epoch | 100 |
   | Mini - batch size | 30 |
   | Optimizer | SGD |
   | Learning rate | 1e - 4 |

2. 评估指标
   - 召回率（Recall）计算公式为：$Recall=\frac{TP}{FN + TP}$
   - F1 - Score计算公式为：$F1 - Score=\frac{2 Precision Recall}{Precision + Recall}$
   其中，真阳性（True Positives）、真阴性（True Negatives）、假阳性（False Positives）和假阴性（False Negatives）分别用变量TP、TN、FP和FN表示。

3. 结果分析
   - 在两个数据集（Ahmed脑肿瘤数据集和Sartaj脑MRI图像数据集）上评估了单个CNN特征向量和融合特征向量的准确性