基于增强LetNet-5的非霍奇金淋巴瘤辅助诊断

针对主流网络模型在医学辅助诊断适用性低的问题,在现有LetNet-5模型的基础上,给出了增强LetNet-5模型用于非霍奇金淋巴瘤的智能辅助诊断方案。首先将获取到的数据集进行图像切分和归一化等预处理操作,然后使用深度学习框架KERAS搭建增强前后的LetNet-5模型,接着对增强前后的网络模型进行训练、预测和评估,最后对模型的泛化能力和稳定性进行验证。实验表明,增强LetNet-5模型相对于原始LetNet-5模型具有更高的识别精度、更好的稳定性和更快的模型收敛速度,为非霍奇金淋巴瘤的诊断提供科学性的指导并具有重要的临床价值。