基于深度信念网络的肺结节良恶性分类

• 作者: 强彦 杨佳玲 王峰智 赵涓涓 郝晓燕
• 来源期刊: 科学技术与工程
• 学科: 工学
• 关键词: 肺结节 良恶性 分类 深度信念网络 层次结构
• 年，卷（期）: 2016,（32）
• 所属期刊栏目: 论文
• 页码范围: 69-74
• 页数: 6页
• 分类号: TP39
• 字数: 4915字
• 语种: 中文

摘要

肺结节的良恶性分类是计算机辅助诊断系统中最重要的部分,目前常用的分类方法有分类精度低、假阳性高等问题.针对上述问题,把深度信念网络(DBN)引入肺结节的良恶性诊断过程中,提出自定义的DBN分类算法.首先从不同的角度提取肺结节特征,并形成特征向量.然后根据提取的特征对三个隐藏层的节点数进行分析;并构建了一个5层深度信念网络.最终使用训练样本对DBN进行训练;并输出网络的测试结果.对175个病例进行试验,结果表明:算法的分类精度、敏感性和特异性分别为95.3％,92.5％和93.2％,ROC曲线下面积为0.921.与传统算法相比有更好的分类效果,可以给医生提供客观的辅助诊断.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郝晓燕	太原理工大学计算机科学与技术学院	22	197	7.0	13.0
2	强彦	太原理工大学计算机科学与技术学院	88	402	11.0	16.0
3	赵涓涓	太原理工大学计算机科学与技术学院	54	283	8.0	14.0
4	杨佳玲	太原理工大学计算机科学与技术学院	1	0	0.0	0.0
5	王峰智		1	0	0.0	0.0