基于CNN-L1/L2-ELM混合架构的肺结节分类研究

• 作者: 付迎迎 冯跃 杨芳臣 梁淑芬 秦传波 陈琛
• 来源期刊: 五邑大学学报（自然科学版）
• 学科: 工学
• 关键词: 计算机断层扫描 肺结节分类 卷积神经网络 极限学习机
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 智能制造
• 页码范围: 46-53
• 页数: 8页
• 分类号: TP391.4
• 字数: 3360字
• 语种: 中文

摘要

本文提出了一种卷积神经网络(CNN)和正则化极限学习机(L1/L2-ELM)的混合结构的分类算法,用来提高胸部CT影像中肺结节分类的准确性和分类效率.通过这两类算法的协同作用对肺结节良恶性进行有效分类.利用LIDC公开数据库进行实验验证,结果显示,本文算法所得肺结节分类正确率可达92.87％,且敏感性和特异性也分别达到87.15％和94.45％,表明本文算法对良恶性肺结节分类是有效的,且结果优于卷积神经网络和其他方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	秦传波	五邑大学智能制造学部	16	25	3.0	4.0
2	梁淑芬	五邑大学智能制造学部	31	176	6.0	12.0
3	陈琛	五邑大学智能制造学部	2	0	0.0	0.0
4	冯跃	五邑大学智能制造学部	1	0	0.0	0.0
5	杨芳臣	五邑大学智能制造学部	4	0	0.0	0.0
6	付迎迎	五邑大学智能制造学部	4	0	0.0	0.0