基于深度学习的甲状腺结节良恶性预测方法研究

• 作者: 乐嘉锦 周东阳 陈德华
• 来源期刊: 微型机与应用
• 学科: 工学
• 关键词: 甲状腺结节良恶性预测 受限玻尔兹曼机 深度信念网络 深度学习
• 年，卷（期）: 2017,（12）
• 所属期刊栏目: 软件与算法
• 页码范围: 13-15
• 页数: 3页
• 分类号: TP181|TP183
• 字数: 2682字
• 语种: 中文
• DOI: 10.19358/j.issn.1674-7720.2017.12.004

摘要

甲状腺结节是一种常见临床疾病,其发病率逐年增高.对于诊治甲状腺结节的首要问题是明确及鉴别其良恶性质.为了提高甲状腺结节良恶性预测的准确率,提出一种基于深度学习的甲状腺结节良恶性鉴别方法.实验在真实医疗数据集上对比了深度学习算法与传统BP神经网络和逻辑回归算法,结果表明基于深度学习的预测方法具有最高的准确率,在非稀疏数据和稀疏数据集上分别达到94%和88.84%.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	乐嘉锦	东华大学计算机科学与技术学院	131	1480	20.0	32.0
2	陈德华	东华大学计算机科学与技术学院	39	220	8.0	13.0
3	周东阳	东华大学计算机科学与技术学院	1	6	1.0	1.0