基于人工神经网络模型的肺癌CT图像分割算法

• 作者: 周洁 杨凡 石海 黄嘉海
• 来源期刊: 中国医疗设备
• 学科: 医学
• 关键词: 人工神经网络 计算机辅助诊断 模糊增强 肺癌 特征提取
• 年，卷（期）: 2019,（10）
• 所属期刊栏目: 临床影像技术
• 页码范围: 86-89,93
• 页数: 5页
• 分类号: TP183|R445.3|R734.2
• 字数: 3594字
• 语种: 中文
• DOI: 10.3969/j.issn.1674-1633.2019.10.023

摘要

目的 提出一种基于人工神经网络模型的肺癌CT图像分割算法.方法 第一步采用维纳滤波器和模糊增强抑制图像噪声和提升图像对比度,第二步提取图像的纹理特征和分形特征,第三步根据网络最佳参数训练和测试人工神经网络模型,第四步提取CT图像中肺癌病灶区域.512个样本和80例图像被用来训练和测试模型.结果 肺癌CT图像包含13个癌症显著区域特征(3个纹理特征和10分形特征).训练和测试数据所得最佳分类函数为列文伯格-马夸尔特反向传播,学习速率R为0.3,动量为0.9,隐藏神经元数量为20.训练阶段灵敏度、特异度和准确度可达98.4％,100％和98.6％,同时测试阶段对应指标分别可达90.9％,100％和95.1％.结论 基于人工神经网络模型的图像分割算法能高效、准确定的提取CT肺癌病灶,可作为影像医师诊断肺癌的有效工具.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周洁	南京医科大学第一附属医院放射科	21	46	4.0	5.0
2	石海	南京医科大学第一附属医院放射科	3	3	1.0	1.0
3	杨凡	泰康仙林鼓楼医院放射科	1	2	1.0	1.0
4	黄嘉海	南京医科大学附属苏州医院放射科	1	2	1.0	1.0