基于CNN多层面二阶特征融合的肺结节分类

• 作者: 刘利军 李维 段彦隆 赵晓乐 黄青松
• 来源期刊: 计算机科学与探索
• 学科: 工学
• 关键词: CT图像 肺结节 特征提取 卷积神经网络(CNN)
• 年，卷（期）: 2020,（9）
• 所属期刊栏目: 图形图像
• 页码范围: 1590-1601
• 页数: 12页
• 分类号: TP391.41
• 字数: 7493字
• 语种: 中文
• DOI: 10.3778/j.issn.1673-9418.1908002

摘要

肺部CT图像具有切片数量巨大,肺结节在图像中的位置和形状各异,且肺结节周围环境复杂等特点,传统肺结节检测方法通常只利用肺结节形状、灰度等特征,肺结节特征信息利用率低,且没有完全考虑肺结节细粒度特征信息.为此提出了基于卷积神经网络多层面二阶特征融合模型(CMSFF).采用卷积神经网络对同一结节的多层切面分别进行特征提取,通过两个阶段的特征融合,充分考虑肺结节的细粒度特征,实现对肺结节特征信息的准确提取.实验表明,该方法提取到的肺结节特征信息在肺结节恶性程度分类中AUC值达到0.924,能有效提高肺结节恶性程度分类准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄青松	昆明理工大学信息工程与自动化学院	91	265	9.0	12.0
3	刘利军	昆明理工大学信息工程与自动化学院	77	196	7.0	10.0
4	李维	昆明理工大学信息工程与自动化学院	4	8	1.0	2.0
7	赵晓乐	昆明理工大学信息工程与自动化学院	2	0	0.0	0.0
8	段彦隆	昆明理工大学信息工程与自动化学院	2	0	0.0	0.0