基于深度学习的肺结节识别

• 作者: 万昕 高智勇
• 来源期刊: 中南民族大学学报（自然科学版）
• 学科: 工学
• 关键词: 肺结节 深度学习 小样本 迁移训练
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 民族医药与生物医学科学
• 页码范围: 393-396
• 页数: 4页
• 分类号: TP391.4
• 字数: 2477字
• 语种: 中文
• DOI: 10.12130/znmdzk.20190314

摘要

针对肺结节识别问题,采用分支结构改进直接型VGG16的深度学习网络结构,并使用迁移训练,减少了网络结构复杂度.结果提高了学习效率,降低了方法对硬件资源的要求,增加了其适用性.通过训练多种网络模型,对比模型特点,调整改进的网络结构实现了对小样本的肺结节识别.在LIDC-IDRI数据集上的结果表明:该方法在保持结构简单、降低硬件资源需求的同时,取得较好的肺结节识别效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	高智勇	中南民族大学生物医学工程学院	45	209	7.0	11.0
2	万昕	中南民族大学生物医学工程学院	2	1	1.0	1.0