基于多尺度特征融合的肺结节良恶性分类方法

• 作者: 孙哲然 张亚娟 戚永军 王锋 顾军华
• 来源期刊: 深圳大学学报（理工版）
• 学科: 工学
• 关键词: 人工智能 深度学习 特征提取 特征融合 通道注意力 肺结节分类 SE-ResNeXt 电子计算机断层扫描图像
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 电子与信息科学
• 页码范围: 417-424
• 页数: 8页
• 分类号: TP391
• 字数: 5814字
• 语种: 中文
• DOI: 10.3724/SP.J.1249.2020.04417

摘要

为解决肺结节分类问题中肺电子计算机断层扫描(computed tomography,CT)图像特征提取不全面和随着卷积网络深度的加深易导致的梯度消失问题,提出一种基于多尺度特征融合网络(multi-scale feature fusion network,MSFFNet)的肺结节良恶性自动分类模型.使用多尺度卷积操作对输入的肺结节CT图像分别进行不同范围的特征提取和特征的融合拼接,解决特征提取不全面的问题;引入SE-ResNeXt模块,充分利用通道注意力机制,有效解决特征信息丢失的问题;输出肺结节良恶性的分类结果.在大型公开可用的肺图像联合数据库(lung image database consortium,LIDC-IDRI)上进行实验,MSFFNet模型的分类准确率达97.2％,特异性和敏感性分别为96.14％和98.62％,优于SE-ResNeXt等方法的分类效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	顾军华	河北工业大学河北省大数据计算重点实验室	113	947	16.0	26.0
5	戚永军	河北工业大学河北省大数据计算重点实验室	11	44	3.0	6.0
7	孙哲然	河北工业大学河北省大数据计算重点实验室	1	0	0.0	0.0
11	王锋	河北工业大学河北省大数据计算重点实验室	2	0	0.0	0.0