基于卷积神经网络的肺结节分类算法

• 作者: 刘爱媛 杨帆 谢红薇
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 肺结节 分类算法 图像分割 卷积神经网络 深度学习
• 年，卷（期）: 2019,（7）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 145-150
• 页数: 6页
• 分类号: TP391
• 字数: 4900字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1712-0341

摘要

肺部的检查是每年体检的重要一部分.体检中有成百上千的病例,而每个病例中含有许多的肺部横切面CT图像.这些都需要专业医生去逐个筛查出存在肺结节的病例,不仅工作量大而且存在误筛的可能.针对上述问题,把卷积神经网络(CNN)引入筛查存在肺结节的CT图像诊断,提出一种基于CNN的分类算法.在LIDC数据库的实验结果表明,对比应用广泛的lenet-5网络和传统方法等,使用自定义的卷积神经网络将分类的正确率提升了4到10个百分点不等.AUC值为0.821 6,也是几个分类器中最大的.相比于其他方法,该方法能较为准确地识别肺部CT图像,可以为临床诊断提供较为客观的参考.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	谢红薇	太原理工大学计算机科学与技术学院	72	532	11.0	19.0
2	杨帆	太原理工大学计算机科学与技术学院	17	47	4.0	6.0
3	刘爱媛		5	17	2.0	4.0