基于随机化融合和CNN的多模态肺部肿瘤图像识别

• 作者: 周涛 夏勇 张飞飞 杨健 梁蒙蒙
• 来源期刊: 南京大学学报（自然科学版）
• 学科: 工学
• 关键词: 随机化融合 卷积神经网络 肺部肿瘤 多模态
• 年，卷（期）: 2018,（4）
• 页码范围: 775-785
• 页数: 11页
• 分类号: TP183
• 字数: 6799字
• 语种: 中文
• DOI: 10.13232/j.cnki.jnju.2018.04.013

摘要

在多模态医学图像背景下,针对单模态图像识别存在目标模糊、边界不清等问题,提出一种基于随机化特征融合的卷积神经网络(Convolutional Neural Network,CNN)目标识别方法.首先使用参数迁移法构造卷积神经网络模型,利用自建的多模态医学图像数据库对CNN模型进行微调;然后,分别用CT (Computed Tomography),PET(Positron Emission Computed Tomography)和PET/CT三个模态的数据并行地训练网络,并提取全连接层的特征向量;其次,构造随机函数,将三个模态的全连接层数据进行随机化融合;最后,通过另一个全连接层和分类器对融合后的特征进行分类识别.通过批次大小、迭代次数和网络层数三个角度验证该方法的有效性,实验结果表明,随机化融合效果优于单模态CNN,且特异性和灵敏度也较高,因此该方法对临床肺部肿瘤识别具有良好的适应性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	夏勇	西北工业大学计算机学院	20	147	6.0	12.0
2	周涛	宁夏医科大学公共卫生与管理学院	49	522	10.0	21.0
6	梁蒙蒙	宁夏医科大学公共卫生与管理学院	9	16	2.0	3.0
7	张飞飞	宁夏医科大学公共卫生与管理学院	9	17	2.0	3.0
8	杨健	宁夏医科大学公共卫生与管理学院	10	16	2.0	3.0