基于稀疏自编码神经网络的肺结节特征提取及良恶性分类

• 作者: 巩萍 王姗姗 罗举建
• 来源期刊: 医疗卫生装备
• 学科: 医学
• 关键词: 肺结节 特征提取 稀疏自编码神经网络 良恶性分类
• 年，卷（期）: 2015,（12）
• 所属期刊栏目: 研究与设计
• 页码范围: 7-10,14
• 页数: 5页
• 分类号: R318|TP391.41
• 字数: 2976字
• 语种: 中文
• DOI: 10.7687/J.ISSN1003-8868.2015.12.007

摘要

目的:针对目前计算机辅助诊断中肺结节特征提取单纯依靠人工设计,分类结果存在很大差异这一问题,提出一种新的肺结节特征自动提取及良恶性分类方法.方法:首先通过阈值概率图从肺部CT图像中分割肺结节图像,然后通过一个2层的稀疏自编码神经网络自动提取肺结节图像的特征,最后利用Logistic回归分类器对提取到的特征进行良恶性分类.结果:肺部图像数据库联盟(lung image database consortium,LIDC)数据库上的实验结果表明,与目前基于人工设计的特征提取方法相比,该提取方法获得了最高的分类精度与曲线下面积(area under curve,AUC)值.结论:稀疏自编码神经网络能够直接从肺结节图像本身自动提取肺结节特征,避免了人工提取及选择的差异性,提高了肺结节良恶性分类的准确度,能够为临床诊断提供参考依据.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王姗姗	徐州医学院医学影像学院	7	24	2.0	4.0
2	巩萍	徐州医学院医学影像学院	21	159	8.0	11.0
3	罗举建	徐州医学院医学影像学院	2	18	1.0	2.0