使用卷积神经网络对定量光诱导荧光图像进行分类
计算机视觉与模式识别
2017-05-26 v1 机器学习
摘要
图像是口腔疾病诊断和治疗的重要数据来源。手动分类图像可能因主观错误导致误诊或不当治疗。本文将一个基于卷积神经网络的图像分类模型应用于定量光诱导荧光图像。该深度神经网络在预测源自三种不同牙菌斑评估评分的标签方面，优于其他最先进的浅层分类模型。该模型直接受益于图像的多通道表示，当除了红色通道外还使用额外的绿色和蓝色通道时，性能得到提升。
引用
@article{arxiv.1705.09193,
title = {Classification of Quantitative Light-Induced Fluorescence Images Using Convolutional Neural Network},
author = {Sultan Imangaliyev and Monique H. van der Veen and Catherine M. C. Volgenant and Bruno G. Loos and Bart J. F. Keijser and Wim Crielaard and Evgeni Levin},
journal= {arXiv preprint arXiv:1705.09193},
year = {2017}
}
备注
Full version of ICANN 2017 submission