基于CNN迁移学习的甲状腺结节检测方法

• 作者: 刘翼 叶晨 胡延军 赵作鹏 赵海含 马小平
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: CT 卷积神经网络(CNN) 迁移学习 检测
• 年，卷（期）: 2018,（22）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 127-132
• 页数: 6页
• 分类号: TP391
• 字数: 4492字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1805-0444

摘要

将人工智能应用到医学图像中可减少医生工作量和患者的重复检查.针对现有甲状腺结节检测方法处理过程繁琐、特征提取困难等问题,提出一种基于卷积神经网络(CNN)的甲状腺结节检测方法.针对数据样本量小的限制,提出利用预训练与迁移学习改善网络性能的策略.根据不同结构CNN能够提取不同层次特征的特点,提出融合浅层与深层网络的方法.通过医院收集的3414张图片对提出的方法进行验证,最终准确率为91.60％,灵敏度为90.08％,特异性为93.24％,接收者操作特征曲线下面积为96.55％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	马小平	中国矿业大学信息与控制工程学院	152	1129	17.0	27.0
2	胡延军	中国矿业大学信息与控制工程学院	23	222	6.0	14.0
3	赵作鹏	中国矿业大学计算机科学与技术学院	33	263	8.0	15.0
4	叶晨	中国矿业大学计算机科学与技术学院	1	3	1.0	1.0
5	刘翼	中国矿业大学计算机科学与技术学院	1	3	1.0	1.0
6	赵海含	中国矿业大学计算机科学与技术学院	1	3	1.0	1.0