CNNs集成学习的超声甲状腺结节诊断

• 作者: 马燕 许月超 刘畅 张格 康文杰 赵冬 林岚 吴水才
• 来源期刊: 生命科学仪器
• 学科: 医学
• 关键词: 超声 甲状腺 计算机辅助诊断 深度学习 卷积神经网络
• 年，卷（期）: 2021,（6）
• 所属期刊栏目: 技术与应用|Technology and Application
• 页码范围: 52-57
• 页数: 6页
• 分类号: R445.2
• 语种: 中文
• DOI: 10.11967/2021191208

摘要

甲状腺结节是临床上常见的疾病,发病率逐年增高.诊断和治疗甲状腺结节的首要问题是要识别其良恶性.超声已成为甲状腺疾病诊断的首选方法,但分析需要专家知识,且比较费时.近年来,多个基于深度学习的甲状腺分类系统被提出并用于计算机辅助诊断,但是训练过程一般都需要大量的超声图像数据.本研究中数据集共674个甲状腺结节,包含恶性结节240个,良性结节434个.为了在较小数据集上也可获得满意的性能,我们采用预训练的经典AlexNet、VGG16与ResNet50,基于迁移学习来调整参数,采用多模型、多切片集成学习方法.结节分类的准确率、精度和召回率分别为86.7％、79.2％和84.7％.实验结果表明,该算法在数据量较小的情况下也可以取得较好性能.