结合深度卷积神经网络与影像学特征的肺结节良恶性鉴别方法

• 作者: 高大川 聂生东
• 来源期刊: 光学学报
• 关键词: 图像处理 肺癌早期诊断 CT影像 肺结节良恶性鉴别 LIDC-IDRI数据库
• 年，卷（期）: 2020,（24）
• 所属期刊栏目: 图像处理|Image Processing
• 页码范围: 56-65
• 页数: 10页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.3788/AOS202040.2410002

摘要

提出一种将卷积神经网络(CNN)学习特征与传统影像学特征结合的肺结节良恶性鉴别方法.首先,从电子计算机断层扫描(CT)图像中分割出肺结节区域,并使用传统机器学习方法提取结节区域的影像学特征;然后,使用截取的肺结节训练3D-Inception-ResNet模型,提取网络学习的CNN特征,组合两类特征,并利用随机森林(RF)模型进行特征选择;最后,采用支持向量机(SVM)、RF等传统分类器对肺结节进行良恶性鉴别诊断.使用LIDC-IDRI数据库中的1036个肺结节进行实验验证,最终所提方法的分类准确率、敏感度、特异度及接受者操作特性曲线(ROC)下面积(AUC)分别达94.98％、90.02％、97.03％及97.43％.实验结果表明,所提方法能准确地判别肺结节的良恶性,并优于大部分主流方法.