基于三维卷积神经网络的肺结节分类

• 作者: 王卫兵 王卓 徐倩 孙宏
• 来源期刊: 哈尔滨理工大学学报
• 关键词: 肺结节 深度学习 卷积神经网络
• 年，卷（期）: 2021,（4）
• 所属期刊栏目: 计算机与控制工程|Computer and Control Engineering
• 页码范围: 87-93
• 页数: 7页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.15938/j.jhust.2021.04.012

摘要

为提高不易分割诊断的毛玻璃结节的分类准确率,同时针对VGG16网络结构卷积层数深,参数多的问题,提出一种基于灰度增强、纹理和形状滤波增强的三维深度卷积神经网络用于肺结节分类.对VGG16网络结构进行优化,提出的模型在肺结节公开数据集LIDC-IDRI上进行训练和测试.结果表明,采用灰度增强、纹理和形状滤波增强相结合的方法图像分类精度最高,准确率为91.7％,其他评价指标包括敏感性和特异性也略有提高,优于现有方法.