多任务自主学习的肺癌诊断方法

• 作者: 张翔 陈欣
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 肺结节检测 肺肿块检测 肺部CT图像 自主学习 多任务学习
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 开发研究与工程应用
• 页码范围: 292-297,303
• 页数: 7页
• 分类号: TP391
• 字数: 4497字
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0053887

摘要

针对实际任务中肺部CT图像标注数据集稀少的问题,提出一种基于自主学习的U-Net模型与C3D多任务学习网络相结合的肺癌诊断方法.对LUNA16数据集和DSB数据集进行预处理,确保切片图像体素、方向一致,利用C3D多任务学习网络模型构建肺结节检测模型,使用165张LUNA16的切片图像和161张DSB的切片图像训练改进的U-Net网络模型,并采用自主学习方式扩充标注样本,构建肿块检测模型.在此基础上,综合结节与肿块检测结果得到最终的肺癌诊断结果.实验结果表明,该方法的肺癌检测精度为85.3％±0.3％,达到了监督学习策略的检测精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈欣	浙江师范大学数学与计算机科学学院	12	74	5.0	8.0
2	张翔	浙江师范大学数学与计算机科学学院	5	4	1.0	2.0