ScaffoldNet：基于卷积神经网络检测与分类生物医学聚合物支架
计算机视觉与模式识别
2018-05-23 v1
摘要
我们开发了一种卷积神经网络模型，用于识别并分类喷涂（亦称吹纺）、静电纺丝与钢丝支架。我们的模型 ScaffoldNet 是一个 6 层卷积神经网络，在 3,043 张喷涂、静电纺丝与钢丝支架图像上进行了训练与测试。该模型以成像支架为输入，然后输出支架类型（喷涂、静电纺丝或钢丝）作为 3 个类别的预测概率。我们的模型取得了 99.44% 的准确率，展现出适用于解决面向抽象空间语境的复杂机器学习问题，或用于筛查皮质骨与纤维壳中复杂生物纤维结构的潜力。
引用
@article{arxiv.1805.08702,
title = {ScaffoldNet: Detecting and Classifying Biomedical Polymer-Based Scaffolds via a Convolutional Neural Network},
author = {Darlington Ahiale Akogo and Xavier-Lewis Palmer},
journal= {arXiv preprint arXiv:1805.08702},
year = {2018}
}
备注
4 figures