基于集成随机森林模型的肺结节良恶性分类

• 作者: 聂生东 胡会会 龚敬
• 来源期刊: 计算机应用研究
• 关键词: 计算机辅助诊断 CT图像 肺结节良恶性分类 集成随机森林
• 年，卷（期）: 2018,（10）
• 所属期刊栏目: 图形图像技术
• 页码范围: 3117-3120,3125
• 页数: 5页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2018.10.055

摘要

针对目前计算机辅助肺结节良恶性分类模型精度较低的问题,提出了一种基于CT图像的集成随机森林模型肺结节良恶性鉴别方法.首先分割肺结节区域,提取其影像学特征向量输入多个基分类器;然后利用每个基分类器的置信度构建集成模型的分类损失函数,求出每个基分类器的权重;最后根据每个基分类器输出的类别概率值进行加权求和,求得其中概率最大值的类作为分类类别.为验证提出的分类模型性能,设计三种实验方案进行测试,准确率分别达到96.41％、91.36％、95.82％;与已有的肺结节良恶性分类模型进行对比,结果表明,集成随机森林分类模型能够有效提高肺结节鉴别良恶性的准确度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	聂生东	上海理工大学医疗器械与食品学院	113	754	15.0	22.0
2	龚敬	上海理工大学医疗器械与食品学院	11	52	4.0	7.0
3	胡会会	上海理工大学医疗器械与食品学院	1	7	1.0	1.0