节点文献

基于残差网络深度学习的肺部CT图像结节良恶性分类模型

免费订阅

【作者】 林桢哲王桂棠陈建强符秦沈

【Author】 Lin Zhenzhe;Wang Guitang;Chen Jianqiang;Fu Qinshen;School of Electromechanical Engineering, Guangdong University of Technology;Guangzhou Cangheng Automatic Control Technology Co., Ltd.;

【通讯作者】 王桂棠;

【机构】 广东工业大学机电工程学院广州沧恒自动控制科技有限公司

【摘要】 计算机辅助肺结节良恶性诊断对肺癌的及时治疗具有重要意义。针对计算机辅助诊断系统中肺结节良恶性诊断准确率较低,误诊率、错诊率相对较高的现状,提出一种基于残差网络的肺结节良恶性分类模型。首先选择部分LIDC-IDRI的肺部CT图像(共计10 402幅)作为数据集,然后通过图像的水平翻转对数据进行扩增,再将图像转为单通道,并进行裁剪及归一化等处理,最后将数据分为训练集与测试集(7∶3),对所设计的残差网络(ResNet-26)进行训练与测试。完成训练后,测试得到肺结节良恶性分类准确率、敏感性及特异性分别为97.53%,97.91%及97.18%,计算得出AUC为0.958。通过对比,实验结果在各个指标均优于现存的其他多种方法,其分类结果可为医生的诊断提供较好的辅助参考。

【基金】 广州市科技计划珠江科技新星专题项目(201806010128);广州市科技计划现代产业技术专题项目(201802010021)资助
【所属期刊栏目】 视觉检测与图像测量 (2020年03期)
  • 【DOI】10.19650/j.cnki.cjsi.J1905600
  • 【分类号】R734.2;TP391.41;TP18
  • 【下载频次】80
节点文献中: 

本文链接的文献网络图示:

浏览历史:
下载历史: