文章目录

1 模型介绍

2 机器学习和肠道肿瘤识别

3 Mini Batch K-Means算法的应用

4 仿真实验

4.1 肠道肿瘤诊断流程

4.2 肿瘤图像的识别

    4.2.1 图像预处理

    4.2.2 训练模型和优化

    4.2.3 结果分析

5 结束语

文章摘要:肠道肿瘤发病率近年来不断提高,医院门诊的就诊压力也在逐年增加,为缓解这一现象的出现,并且保证诊疗的准确性,文章采用改进的K-means算法进行肠道肿瘤图像分析。在人工诊疗的基础上,根据疾病和医学图像进行预测和建模,通过早期体检或专科疾病的检查,对患者肿瘤状况进行评估,在癌变前进行有针对性的干预。通过实验仿真,基于改进的K-means算法在样本数据上的应用效果良好,一定程度上提高了患者的就诊效率和诊断准确率。

文章关键词:

论文DOI:10.19414/j.cnki.1005-1228.2021.05.008

论文分类号:R735.3;TP391.41;TP18