基于深度学习的肺癌检测方法研究

• 作者: 王德才
• 来源期刊: 数字技术与应用
• 学科: 工学
• 关键词: 计算机辅助诊断(CAD) 肺部图像数据库联盟(LIDC) CART分类器 AdaBoost分类器 迁移学习
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 应用研究
• 页码范围: 85-89
• 页数: 5页
• 分类号: TP391
• 字数: 4773字
• 语种: 中文
• DOI: 10.19695/j.cnki.cn12-1369.2020.01.50

摘要

肺癌作为全球发病率最高和死亡率最高的恶性肿瘤,提高肺癌患者存活率最有效的方法就是及早发现、及早诊断、及早治疗.通过人为的观察CT扫描图像,极易出现漏判、误判的情形,计算机辅助诊断(CAD)具有高准确率、高效率的特点,这里本文提出了一种基于机器学习的肺癌检测方法,以肺部图像数据库联盟(LIDC)作为计算机视觉分析图像模型,通过比较各类有效的图像特征,以图像的LBP直方图的方法来表示训练集以及待检测图像的特征,提取肺癌ROI区域及相应病变的特征,引入CART分类器作为弱分类器,然后通过AdaBoost算法对肺结节进行分类学习,构建分类可疑肺癌的AdaBoost分类器,再采用迁移学习的方法将构建好的分类器模型迁移到实际临床CT肺部影像来帮助模型进行训练学习.通过实验数据发现,以上方法对肺癌的识别率能够93.2％,无论对医生还是患者来说都具有很大的现实意义.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王德才		2	0	0.0	0.0