CT影像识别的卷积神经网络模型

• 全文链接
• 请求原文

作   者：

管姝;  张骞予;  谢红薇;  强彦;  程臻; 

作者机构：

太原理工大学计算机科学与技术学院; 

关键词：

卷积神经网络;  图像分类;  局部子区域;  肺部CT; 

期刊名称：

计算机辅助设计与图形学学报

基金项目：

基于医学影像结构和功能混合特征的周围型肺癌计算机辅助诊断方法

i s s n：

1003-9775

年卷期：

2018 年 30 卷 008 期

页   码：

1530-1535

摘   要：

针对传统分类方法分割精度低、特征提取耗时等问题,构建一个适用于CT肺结节良恶性分类的卷积神经网络模型.首先确定网络深度、卷积核数目和卷积核大小等参数,构建卷积神经网络初始模型;然后选择激活函数类型、学习率和学习率衰减策略等训练参数;最后提出对感兴趣区域划分局部子区域的方式增强样本进行训练.在LIDC-IDRI数据集上进行实验的结果表明,准确率、特异性、敏感性及AUC值分别达到92.50%,0.91,0.94和0.93;对恶性结节的识别能力明显优于其他网络模型.