融合多维度卷积神经网络的肺结节分类方法

• 作者: 刘希靖 吴保荣 唐笑先 强彦 王三虎
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 肺结节分类 卷积神经网络 深度学习 多维度 加权融合 CT图像
• 年，卷（期）: 2019,（24）
• 所属期刊栏目: 图形图像处理
• 页码范围: 171-177
• 页数: 7页
• 分类号: TP391.41
• 字数: 5686字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1809-0190

摘要

针对CT图像肺结节分类任务中分类精度低,假阳性高的问题,提出了一种加权融合多维度卷积神经网络的肺结节分类模型,该模型包含两个子模型:基于二维图像的多尺度密集卷积网络模型,以捕获更宽泛的结节变化特征并促进特征重用;基于三维图像的三维卷积神经网络模型,以充分利用结节空间上下文信息.使用二维和三维CT图像训练子模型,根据子模型分类误差计算其权重,对子模型分类结果进行加权融合,得到最终分类结果.该模型在公共数据集LIDC-IDRI上分类准确率达到94.25%,AUC值达到98%.实验结果表明,加权融合多维度模型可以有效地提升肺结节分类性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	强彦	太原理工大学信息与计算机学院	88	402	11.0	16.0
2	王三虎	吕梁学院计算机科学与技术系	17	20	2.0	3.0
3	刘希靖	山西农业大学软件学院	2	1	1.0	1.0
4	吴保荣	太原理工大学信息与计算机学院	1	1	1.0	1.0