基于改进的VGG-16卷积神经网络的肺结节检测

• 作者: 曹宇 潘子妍 王孝义 王瑜 申楠 逄键梁 邢素霞
• 来源期刊: 中国医学物理学杂志
• 关键词: 肺结节 VGG-16 极限学习机 卷积神经网络
• 年，卷（期）: 2020,（7）
• 所属期刊栏目: 医学人工智能
• 页码范围: 940-944
• 页数: 5页
• 分类号: R318|R563.9
• 语种: 中文
• DOI: 10.3969/j.issn.1005-202X.2020.07.026

摘要

针对肺结节特征复杂、人工提取特征困难的问题,提出基于改进的VGG-16卷积神经网络的肺结节检测模型.首先采用阈值分割与处理最大连通区域后的图像进行掩模运算,得到肺实质部分.然后通过Regionprops标记每个连通区域序号分割出所有疑似结节;采用核函数极限学习机而不是Softmax函数作为VGG-16结构中的分类器.最后利用改进后的VGG-16模型去除假阳性结节,完成对肺结节检测.在LIDC-IDRI数据集上进行的实验表明改进后的模型能达到92.56％的准确率和94.44％的高敏感度.该模型可用于辅助医生进行肺结节诊断,具有一定的临床应用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王瑜	北京工商大学计算机与信息工程学院	41	67	4.0	5.0
2	邢素霞	北京工商大学计算机与信息工程学院	38	170	8.0	11.0
3	曹宇	北京工商大学计算机与信息工程学院	3	4	1.0	2.0
4	逄键梁		2	1	1.0	1.0
5	王孝义	北京工商大学计算机与信息工程学院	3	4	1.0	2.0
6	潘子妍	北京工商大学计算机与信息工程学院	2	0	0.0	0.0
7	申楠	北京工商大学计算机与信息工程学院	2	0	0.0	0.0