基于ELM特征加权的孤立性肺结节识别

• 作者: 刘佳镔 朱军 陈树越 黄萍
• 来源期刊: 计算机工程与设计
• 学科: 工学
• 关键词: 孤立性肺结节 假阳性 候选结节 Relief特征加权 极限学习机
• 年，卷（期）: 2018,（10）
• 所属期刊栏目: 智能技术
• 页码范围: 3252-3258
• 页数: 7页
• 分类号: TP391.41
• 字数: 5137字
• 语种: 中文
• DOI: 10.16208/j.issn1000-7024.2018.10.043

摘要

针对肺部CT切片图像中血管横截面与肺结节成像特征类似导致无法有效剔除假阳性结节的问题,提出根据孤立性肺结节的特征对感兴趣的区域进行进一步提取候选结节来剔除干扰肺结节检测的假阳性结节.为提高肺结节特征提取的有效性和肺结节的分类准确性,通过Relief特征加权极限学习机(ELM-extreme learning machine)对候选结节特征数据进行预处理,减小训练样本中关联度较小的特征对分类结果的影响.对LIDC数据集中肺部CT影像进行实验,实验结果表明,所提Relief-ELM可有效降低误诊率和漏诊率,提高孤立性肺结节识别的准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈树越	常州大学信息科学与工程学院	48	160	7.0	9.0
2	刘佳镔	常州大学信息科学与工程学院	3	11	1.0	3.0
3	朱军	常州大学信息科学与工程学院	4	14	2.0	3.0
4	黄萍	常州大学信息科学与工程学院	3	8	1.0	2.0