基于卷积神经网络的血癌检测与分类综合研究
原文中文，约2200字，阅读约需6分钟。发表于：。本研究针对目前血癌检测领域中应用卷积神经网络（CNN）技术的不足，开展了三项实验。其中，提出了一种新的集成模型DIX（DenseNet201、InceptionV3和Xception），在血癌检测及分类中表现出99.12%的准确率，优于单独的CNN和迁移学习模型。这一成果为血癌的及时识别及治疗方案提供了新的可能，同时对生物医学工程和计算机辅助诊断领域具有重要的意义。
本研究发现使用集成模型DIX在血癌检测中表现出99.12%的准确率，优于单独的CNN和迁移学习模型，为血癌的识别和治疗提供了新的可能。其他研究还探讨了深度学习模型在乳腺癌和白细胞分类中的应用，取得了较高的准确率。
