基于同步深度监督的多尺度肺结节分类

• 作者: 张丽1,3 张小龙2 强彦1 王三虎3
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 同步深度监督 多尺度 卷积神经网络 特征提取
• 年，卷（期）: 2019,（9）
• 所属期刊栏目: 图像处理与应用
• 页码范围: 214-219
• 页数: 6页
• 分类号: TP391
• 字数: 4373字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2019.09.038

摘要

针对在肺结节分类中容易产生过拟合的问题,提出一种基于同步深度监督的多尺度肺结节分类方法.解决梯度消失问题,最小化分类错误并实现同一框架中同步训练多尺度肺结节图像,提高肺结节分类精确度.改进经典的AlexNet网络,使其更适合肺结节图像分类;将同步深度监督(SDS)策略纳入到AlexNet架构中,向隐藏层提供集成的同步监督;通过多尺度空间金字塔策略提取多尺度肺结节图像特征.实验结果表明,该方法的准确性达到93.68％,且在准确性、敏感度、特异度、ROC曲线下面积值上均优于其他分类方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张丽1,3	太原理工大学计算机科学与技术学院	1	0	0.0	0.0
5	强彦1	太原理工大学计算机科学与技术学院	1	0	0.0	0.0
6	张小龙2	宾夕法尼亚州立大学信息科学与技术学院	1	0	0.0	0.0
7	王三虎3	吕梁学院计算机科学与技术系	1	0	0.0	0.0