基于Gabor小波和深度置信网络的肺结节良恶性分类研究

• 作者: 王亚娟 王立功 管建
• 来源期刊: 北京生物医学工程
• 学科: 医学
• 关键词: 孤立性肺结节 Gabor小波 纹理特征 受限玻尔兹曼机 深度置信网络
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 论著
• 页码范围: 263-270
• 页数: 8页
• 分类号: R318.04
• 字数: 5421字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-3208.2019.03.008.

摘要

目的 从频率域角度研究孤立性肺结节纹理特征,探讨深度置信网络对其良恶性的分类效果,达到辅助医生提高早期肺癌诊断准确率的目的.方法 首先,利用Gabor小波对1012例患者的1072张孤立性肺结节CT图像提取纹理特征,用受限玻尔兹曼机对特征向量进行编码,学习数据本质特征;然后,用得到的纹理特征向量集训练深度置信网络,构建分类模型;最后,通过K折交叉验证法从准确性、ROC曲线下面积(AUC值)以及时间成本方面对本文提出的研究方法进行评估.结果 经Gabor小波变换并构建DBN分类模型的准确度为83.75％,测试集的AUC值为0.78.与传统支持向量机分类模型相比,所提方法的准确度上升了0.56％,时间成本缩减了一半.结论 利用Gabor小波从频率域提取纹理特征,结合深度置信网络构建分类模型能够取得较好的分类效果,一定程度上能够为临床诊断肺结节的良恶性提供参考.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王立功	苏州大学医学部放射医学与防护学院	3	12	2.0	3.0
2	王亚娟	苏州大学医学部放射医学与防护学院	2	6	2.0	2.0