基于残差网络深度学习的肺部CT图像结节良恶性分类模型

• 作者: 林桢哲 王桂棠 符秦沈 陈建强
• 来源期刊: 仪器仪表学报
• 学科: 工学
• 关键词: 深度学习 残差网络 肺结节 良恶性分类 卷积神经网络
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 视觉检测与图像测量
• 页码范围: 248-256
• 页数: 9页
• 分类号: TP391|TH7
• 语种: 中文
• DOI: 10.19650/j.cnki.cjsi.J1905600

摘要

计算机辅助肺结节良恶性诊断对肺癌的及时治疗具有重要意义.针对计算机辅助诊断系统中肺结节良恶性诊断准确率较低,误诊率、错诊率相对较高的现状,提出一种基于残差网络的肺结节良恶性分类模型.首先选择部分LIDC-IDRI的肺部CT图像(共计10 402幅)作为数据集,然后通过图像的水平翻转对数据进行扩增,再将图像转为单通道,并进行裁剪及归一化等处理,最后将数据分为训练集与测试集(7∶3),对所设计的残差网络(ResNet-26)进行训练与测试.完成训练后,测试得到肺结节良恶性分类准确率、敏感性及特异性分别为97.53％,97.91％及97.18％,计算得出AUC为0.958.通过对比,实验结果在各个指标均优于现存的其他多种方法,其分类结果可为医生的诊断提供较好的辅助参考.